Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种高精度场景下基于深度学习的实例分割方法及装置 

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!

摘要:本发明涉及一种高精度场景下基于深度学习的实例分割方法及装置,先获取图像数据集,图像数据集为待训练工件的表面图像的总和;再使用标注插件标注所述图像数据集,生成带标注信息图;随后将所述图像数据集、带标注信息图送入训练器,生成训练结果权重文件。本发明将FasterRcnn和Sam两个深度学习模型进行结合,即解决了FasterRcnn目标检测模型难以分割小目标的问题,又解决了Sam没有标签信息输出无法实例分割的问题,分割过程无需人工处理,可以对金手指上的导电粒子分割出来并获取轮廓信息进行测量,达到了在高精度测量领域下实例分割任务对于小目标分割的最佳实施效果,实现高效、高质、自动化且智能化的技术。

主权项:1.一种高精度场景下基于深度学习的实例分割方法及装置,其特征在于,所述方法包括:S1获取图像数据集,所述图像数据集为待训练工件的表面图像的总和;S2使用标注插件标注所述图像数据集,生成带标注信息图;S3将所述图像数据集、带标注信息图送入训练器,生成训练结果权重文件;S4在图像数据集中划分出待分割工件的表面图像,将其与所述训练结果权重文件送入推理器,所述训练结果权重文件对图像进行推理,生成分割结果信息;S5将所述分割结果信息映射到所述推理原图上,分割出物体的轮廓信息。

全文数据:

权利要求:

百度查询: 广东丰鑫智能科技有限公司 广东工业大学 一种高精度场景下基于深度学习的实例分割方法及装置

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。