一种基于深度学习的金属零件快速分割方法
实质审查的生效
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。
基本信息
专利标题 ：
一种基于深度学习的金属零件快速分割方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114494272A
申请号 ：
CN202210157462.9
公开（公告）日 ：
2022-05-13
申请日 ：
2022-02-21
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
李威燃唐廷浩夏齐平
申请人 ：
苏州才炬智能科技有限公司
申请人地址 ：
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
代理机构 ：
代理人 ：
优先权 ：
CN202210157462.9
主分类号 ：
G06T7/10
IPC分类号 ：
G06T7/10 G06T7/00 G06T7/70 G06N3/04 G06N3/08
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06T
一般的图像数据处理或产生
G06T7/10
分割；边缘检测
法律状态
2022-05-31 ：
实质审查的生效
IPC(主分类) : G06T 7/10
申请日 : 20220221
申请日 : 20220221
2022-05-13 ：
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
