基于关键点位移向量表征的细长目标检测系统和方法
实质审查的生效
摘要
本发明提供了一种基于关键点位移向量表征的细长目标检测系统和方法，包括：获取待测目标的图像原始数据，进行多阶段标注和数据增强，得到训练数据；通过特征提取器提取出输入工业图像的特征，将在图像数据集ImageNet上预训练好的模型参数作为训练开始时网络的参数，得到待训练检测模型；使用得到的训练数据，输入得到的待训练检测模型，进行模型前向计算，最终得到已训练检测模型；将得到的已训练检测模型用于实际工业细长目标检测场景中，进行工业细长目标的检测。本发明通过使用双平行分支的卷积神经网络结构直接预测工业细长目标的关键点和位移向量，解决了工业视觉检测超参调整困难，模型鲁棒性差，无法解决复杂工业场景的问题。
基本信息
专利标题 ：
基于关键点位移向量表征的细长目标检测系统和方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114463652A
申请号 ：
CN202210129541.9
公开（公告）日 ：
2022-05-10
申请日 ：
2022-02-11
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
乐心怡孔泽隆陈彩莲关新平
申请人 ：
上海交通大学
申请人地址 ：
上海市闵行区东川路800号
代理机构 ：
上海汉声知识产权代理有限公司
代理人 ：
胡晶
优先权 ：
CN202210129541.9
主分类号 ：
G06V20/20
IPC分类号 ：
G06V20/20 G06N3/04 G06N3/08
法律状态
2022-05-27 ：
实质审查的生效
IPC(主分类) : G06V 20/20
申请日 : 20220211
申请日 : 20220211
2022-05-10 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
