一种基于UNet深度神经网络的自冲铆接剖面图像分割方法
公开
摘要
本发明公开了一种基于UNet深度神经网络的自冲铆接剖面图像分割方法，获取自冲铆接剖面图像作为样本图像，并且通过标注工具对每一张样本图像进行标注，生成样本图像对应的标签图像及包含标注结果的文本文件，由此构建初始数据集；对初始数据集中的样本图像进行数据增强，进而获得图像增强后的训练集；基于深度学习框架，构建初始Unet深度神经网络；设置Unet深度神经网络的训练参数；利用增强后的训练集训练Unet分割模型；应用训练好的Unet分割模型对自冲铆接剖面进行分割。本方法可以对自冲铆接剖面图片进行图像分割，克服现在工程师手动测量与标注剖面图像存在的缺点，为后续自动测量剖面几何参数提供支持。
基本信息
专利标题 ：
一种基于UNet深度神经网络的自冲铆接剖面图像分割方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114581461A
申请号 ：
CN202210188926.2
公开（公告）日 ：
2022-06-03
申请日 ：
2022-02-28
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
李钼石黄理仝超陈秋任赵海龙胡晓雅刘钊朱平韩维建
申请人 ：
长三角先进材料研究院
申请人地址 ：
江苏省苏州市相城区青龙港路286号
代理机构 ：
南京智造力知识产权代理有限公司
代理人 ：
汪芬
优先权 ：
CN202210188926.2
主分类号 ：
G06T7/11
IPC分类号 ：
G06T7/11 G06N3/04 G06N3/08 G06K9/62 G06V10/774
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
G06T5/00
图像的增强或复原
G06T5/50
通过使用多于一幅图像的，例如平均、减少
G06T7/11
区域分割
法律状态
2022-06-03 ：
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
