一種用于工業(yè)零件測量的高精度圖像語義分割方法
基本信息
| 申請(qǐng)?zhí)?/td> | CN202010281361.3 | 申請(qǐng)日 | - |
| 公開（公告）號(hào) | CN111488882B | 公開（公告）日 | 2020-08-04 |
| 申請(qǐng)公布號(hào) | CN111488882B | 申請(qǐng)公布日 | 2020-08-04 |
| 分類號(hào) | G06K9/34(2006.01)I | 分類 | 計(jì)算；推算；計(jì)數(shù); |
| 發(fā)明人 | 王磊;吳偉龍;周建品;李爭 | 申請(qǐng)（專利權(quán)）人 | 視研智能科技（廣州）有限公司 |
| 代理機(jī)構(gòu) | 廣州粵高專利商標(biāo)代理有限公司 | 代理人 | 視研智能科技（廣州）有限公司 |
| 地址 | 510925廣東省廣州市從化區(qū)江埔街環(huán)市東路108號(hào)C棟208房 | ||
| 法律狀態(tài) | - | ||
摘要
| 摘要 | 本發(fā)明涉及一種用于工業(yè)零件測量的高精度圖像語義分割方法，所述方法包括：S1：構(gòu)建并訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型；S2：將圖像輸入訓(xùn)練好的模型進(jìn)行在線檢測，實(shí)現(xiàn)圖像的語義分割；其中，神經(jīng)網(wǎng)絡(luò)模型(1)采用PSPNet作為圖像特征提取器；(2)采用幾何池化層的池化方法，來替換傳統(tǒng)的全局池化；(3)采用迭代概率圖對(duì)概率圖進(jìn)行優(yōu)化。本發(fā)明通過對(duì)目標(biāo)的幾何形狀進(jìn)行學(xué)習(xí)和建模，利用幾何形狀信息對(duì)提取的目標(biāo)的邊界進(jìn)行優(yōu)化，可以顯著提高現(xiàn)有基于CNN的語義分割模型的準(zhǔn)確度和適應(yīng)性及魯棒性，相比傳統(tǒng)算法可大幅度提高邊界和細(xì)小結(jié)構(gòu)的提取精度；可以提取簡潔精確的目標(biāo)邊界。?? |
