基于MaskRCNN的图像分割模型训练方法及粒径检测方法
基本信息
| 申请号 | CN202110771044.4 | 申请日 | - |
| 公开（公告）号 | CN113408478A | 公开（公告）日 | 2021-09-17 |
| 申请公布号 | CN113408478A | 申请公布日 | 2021-09-17 |
| 分类号 | G06K9/00（2006.01）I;G06K9/34（2006.01）I;G06K9/46（2006.01）I;G06K9/62（2006.01）I;G06T5/00（2006.01）I;G06T7/12（2017.01）I;G06T7/13（2017.01）I;G06T7/80（2017.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 甘化新;刘洪;张振华;胡吉锋;陈胜平;陈林空 | 申请（专利权）人 | 深圳市宏申工业智能有限公司 |
| 代理机构 | 北京维正专利代理有限公司 | 代理人 | 吴珊 |
| 地址 | 518000广东省深圳市宝安区石岩街道罗租社区黄峰岭工业区源进厂一层至四层，厂房1一层至二层，厂房5一层至二层 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本申请公开了基于Mask RCNN的图像分割模型训练方法及粒径检测方法，训练方法包括：获取石子的检测图像和样例图像；将检测图像输入CNN中，CNN对检测图像进行特征提取，以得到特征图；通过RPN生成锚框，并根据RPN回归分支的输出结果对锚框进行修正，且选择预定数量的锚框以形成建议窗口；把建议窗口映射到CNN最后一层的特征图上，通过RoI Align层使每个建议窗口生成固定尺寸的RoI特征图；利用全连接层对RoI分类与边框回归，通过FCN生成每个RoI的mask，分割得到石子轮廓；计算石子轮廓与样例图像标记的真实轮廓之间的偏移量，根据偏移量对Mask RCNN神经网络的参数进行更新。本申请具有提高粒度检测精准度的效果。 |
