龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：清华大学深圳国际研究生院
摘要：一种基于深度学习的交互式图像标注方法，包括如下步骤：S1、使用基于深度学习的算法训练的模型，比对待标记图片与标准件图片的差异，确定待标记图片与标准件图片各区域的差异值大小；S2、所述模型根据待标记图片与标准件图片各区域的差异值大小，生成各区域按所述差异值大小具有颜色及其深浅变化的热力分布图；S3、将待标记图片和其对应的热力分布图呈现在终端界面上，以便参照所述热力分布图对所述待标记图片中的缺陷进行标注。本发明实现图片异常区域自动检测并通过热力分布图呈现，作为标注员标注缺陷的参考，提高图像标注的速率和准确率。
主权项：1.一种基于深度学习的交互式图像标注方法，其特征在于，包括如下步骤：S1、使用基于深度学习的算法训练的模型，比对待标记图片与标准件图片的差异，确定待标记图片与标准件图片各区域的差异值大小；S2、所述模型根据待标记图片与标准件图片各区域的差异值大小，生成各区域按所述差异值大小具有颜色及其深浅变化的热力分布图；S3、将待标记图片和其对应的热力分布图呈现在终端界面上，以便参照所述热力分布图对所述待标记图片中的缺陷进行标注；在所述模型的训练阶段，训练样本均为没有异常的图片，将经过预训练的神经网络提取到的特征进行存储；在测试阶段，对测试图片的Patch特征寻找最近邻，其欧式距离为判断异常的条件；所述算法中，块特征与异常度量之间的关系如下：fi为训练时正常样本块区域特征，M为所有的正常样本块区域特征集合； F为测试时神经网络提取到的测试图片的特征，共n×n个块特征,ΦXtest表示测试图片的所有区域特征组成的空间； di为块特征与M中最近邻的K个块特征平均欧式距离； Dimg为测试图片级别的异常得分 HM表示绘制热力图，所有的块特征组成异常热力分布图。
全文数据：
权利要求：
百度查询： 清华大学深圳国际研究生院 一种基于深度学习的交互式图像标注方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号