一种基于深度学习的金属零件快速分割方法
基本信息
| 申请号 | CN202210157462.9 | 申请日 | - |
| 公开（公告）号 | CN114494272A | 公开（公告）日 | 2022-05-13 |
| 申请公布号 | CN114494272A | 申请公布日 | 2022-05-13 |
| 分类号 | G06T7/10（2017.01）I;G06T7/00（2017.01）I;G06T7/70（2017.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 李威燃;唐廷浩;夏齐平 | 申请（专利权）人 | 苏州才炬智能科技有限公司 |
| 代理机构 | - | 代理人 | - |
| 地址 | 215300江苏省苏州市昆山市花桥镇徐公桥路2号中茵广场E区705室 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种基于深度学习的金属零件快速分割方法，包括：通过Labelme图像标注工具建立金属零件数据集；输入单张图像，使用基于FPN网络的物体检测算法预测感兴趣目标区域和候选框坐标（x，y，w，h），采用Resnet‑50及特征金字塔作为基础网络来获取整张输入图像的特征；将感兴趣目标区域建模为另两个重叠图层，分别为Top Layer和Bottom Layer，并进行卷积操作以进一步提取特征；使用RoI Align算法根据物体检测框位置，在整张图片特征图内准确抠取感兴趣目标区域的特征子图，将其作为双图卷积神经网络的输入并用于最终的物体分割；根据自定义的损失函数，更新模型参数，迭代上述步骤，计算是否达到预设精度。 |
