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：华中科技大学

摘要：本发明公开了一种用于工业场景的细小微弱缺陷分割方法。所述方法包括以下步骤：利用深度卷积神经网络特征编码器对RGB图像进行多尺度特征提取来适应不同尺度的缺陷；特征解码器对特征编码器提取的多尺度图像特征进行融合上采样以尽可能保留细节信息，得到高分辨率高区分力的图像特征图；基于融合后的图像特征图，采用分类器对图像进行逐像素二分类，将图像中所有像素划分为正常像素和缺陷像素两类。本方法提出了一种将正常像素与缺陷像素损失平衡的目标函数，使模型更有效学习到细小微弱缺陷特征，大幅减少了对工业场景下细小微弱缺陷的漏检，实现了更准确的缺陷像素级分割。

主权项：1.一种用于工业场景的细小微弱缺陷分割方法，其特征在于，包括以下步骤：步骤S1，多尺度特征提取，利用深度卷积神经网络的特征编码器对RGB图像进行多尺度图像特征提取；特征编码器分为五个卷积块,从第一到第五个卷积块输出的图像特征图尺寸分别为输入图像的12，14，18，116和132，通道数分别为C1，C2，C3，C4，C5，其中C1，C2，C3，C4，C5分别为预设值；步骤S2，各层特征融合解码，利用深度卷积神经网络的特征解码器对步骤S1提取的多尺度图像特征进行逐层融合，得到分辨率扩大的高层语义特征图；特征解码器采用反向逐层融合的策略，在不同分辨率特征图上进行特征融合；特征融合具体包括：步骤S2-1，将步骤S1中第五个卷积块输出的原图132分辨率的特征图进行反卷积操作，反卷积层包含一个2×2的反卷积操作、批量标准化操作和ReLU激活函数激活操作，使特征图上采样到原图116分辨率且通道数变为C4；然后令其与第四个卷积块输出的原图116分辨率的特征图在通道维度上进行堆叠，使用两个3×3的卷积块进行特征融合，每个卷积块包含一个3×3的卷积操作、批量标准化操作和ReLU激活函数激活操作，最终输出分辨率为原图116且通道数为C4的融合特征图；步骤S2-2，将步骤S2-1输出的特征图进行同样反卷积操作，使特征图上采样到原图18分辨率且通道数变为C3；然后令其与第三个卷积块输出的原图18分辨率的特征图在通道维度上进行堆叠，同样使用两个3×3的卷积块进行特征融合，最终输出分辨率为原图18且通道数为C3的融合特征图；步骤S2-3，将步骤S2-2输出的特征图进行同样反卷积操作，使特征图上采样到原图14分辨率且通道数变为C2；然后令其与第二个卷积块输出的原图14分辨率的特征图在通道维度上进行堆叠，同样使用两个3×3的卷积块进行特征融合，最终输出分辨率为原图14且通道数为C2的融合特征图；步骤S2-4，将步骤S2-3输出的特征图进行同样反卷积操作，使特征图上采样到原图12分辨率且通道数变为C1；然后令其与第一个卷积块输出的原图12分辨率的特征图在通道维度上进行堆叠，同样使用两个3×3的卷积块进行特征融合，最终输出分辨率为原图12且通道数为C1的融合特征图；步骤S3，逐像素预测，基于步骤S2输出的高层语义特征图，采用深度卷积神经网络的分类器预测图像中缺陷像素的分割结果，将输入RGB图像中的所有像素划分为正常像素和缺陷像素两类；步骤S3中分类器的输入为步骤S2-4的输出，它使用1×1卷积进行逐像素的预测其中R2表示像素正常缺陷的分类得分，使用softmax函数对得分进行归一化，将归一化后的得分双线性插值到输入图像大小作为最终的预测结果。

全文数据：

权利要求：

百度查询： 华中科技大学 用于工业场景的细小微弱缺陷分割方法