本发明公开了任务自适应金属表面缺陷小样本语义分割方法及系统设备，涉及金属表面缺陷检测技术、深度学习网络技术领域，本方案利用长短期记忆递归神经网络LSTM的思想，设计了不同的门控机制和结合可训练记忆种子来实现金属表面缺陷小样本语义分割的任务自适应，使得本方案有利于应用在流水线检测作业的高效运行。除此之外，本方案充分利用门控机制学习支撑‑查询对的上下文知识，指导模型产生高精度分割掩码，而在此基础上，本方案进一步提出了利用注意力蒸馏模块来促进和加速模型迭代过程，使得技术方案更加适用于高速金属表面缺陷检测的流水线作业，实现高精度的预测结果。
📄 2025108706374
📂 G06V10_26
👤 龙岩学院
📅 2025-06-26
本发明涉及一种面向旋转梯度感知的小样本金属表面缺陷分割方法及系统；面向旋转梯度感知的小样本金属表面缺陷分割方法包括：获取支撑集图像、真实分割掩码和查询集图像；提取支撑特征和查询特征；对支撑图像进行多角度旋转并提取支撑旋转特征；基于支撑预测掩码与真实掩码的交叉熵损失计算梯度重要性分数，并通过轻量化特征提取架构构建均方误差损失；对查询特征和支撑旋转特征进行多尺度池化注意力处理，生成注意力原型；根据真实掩码与模糊掩码构建模糊蒸馏损失；融合注意力原型与查询特征并生成缺陷分割预测掩码。本发明显著提升了小样本条件下金属表面缺陷分割的精度与鲁棒性，适用于复杂工业环境下的金属表面缺陷检测任务。
📄 2026106913463
📂 G06V10_26
👤 龙岩学院
📅 2026-05-19
本发明公开了一种基于注意力融合的弱监督语义分割方法，涉及计算机视觉技术领域，以Vision Transformer为基本网络结构，提出了一个简单而有效的弱监督语义分割框架。在该框架中，首先设计了一个自适应注意力融合模块，对不同层注意力分配不同的权重，融合之后的注意力在保留目标细节的同时也能较好地抑制背景噪声。此外针对注意力中次重要的区域不能够较好的激活目标区域这一问题，设计了一个调制函数用来增大次重要区域的注意力值，有效的突出目标区域。然后使用调制后的注意力对粗糙的类激活图进行优化，此时得到的类激活图中目标区域能够被更加完整且准确的激活，能够较好的解决类激活图的不完全激活问题。
📄 2023109815539
📂 G06V10_26
👤 南京信息工程大学
📅 2023-08-04
本发明公开了一种基于残差网络与往返采样的裂缝图像分割方法，包括：将待分割图像输入到编码器网络中，得到最深层的特征映射F1；将所述特征映射F1输入往返采样模块，得到特征映射F2；将所述特征映射F2输入到解码器网络中，得到特征映射F3，将所述特征映射F3输入到预测网络，得到裂缝分割图像。将编码器网络与解码器网络的前四层卷积操作组中的卷积层，替换为残差网络模块。将编码器网络与解码器网络的第五层卷积操作组中的卷积层，替换为残差网络模块与空洞空间金字塔池化模块的组合。本发明较已有技术，网络性能得到了提升，解决了深层语义信息被稀释的问题，明显改善了裂缝分割效果。
📄 2022116209810
📂 G06V10_26
👤 南京信息工程大学
📅 2022-12-16
本发明涉及点云部件分割技术领域，具体涉及一种面向稠密点云的通用轻量化部件分割方法，包括如下步骤：步骤1:记回传的点云扫描数据为P＝{pi＝(xi,yi,zi)}，进行中心化和尺寸缩放操作，得点云Q；步骤2：对点云Q进行自适应多尺度的体素网格下采样；步骤3：对点云D进行数据增强操作，执行随机尺寸缩放、随机平移、轻微旋转和随机添加噪声，得到点云DP；步骤4：对点云DP进行部件分割。本发明通过自适应多尺度的体素网格下采样进行最大限度的局部特征保留，引入多分辨率领域特征提取模块，加之融入特征欧氏距离权重，有效提高了稠密点云领域的部件分割准确率，并大大降低显存和算力需求。
📄 2024118087003
📂 G06V10_26
👤 浙江工业大学
📅 2024-12-10
一种面向边界框标注的迭代弱监督上颌窦分割方法，包括：通过运用超像素算法生成良好贴合口腔CBCT图像边缘的超像素，然后借助卷积神经网络提取超像素特征，根据超像素的邻接关系构建超像素图；为了提高边界框弱监督的分割性能，除了利用超像素级CRF模型生成初始的伪标签用于超像素语义分类的改进图卷积网络训练以外，还把改进图卷积神经网络的预测结果周期性地输入超像素级CRF模型以更新和精细化伪标签用于迭代学习训练；对口腔CBCT图像，应用弱监督迭代训练得到的模型可以得到性能优秀的上颌窦分割结果。本发明还包括一种面向边界框标注的迭代弱监督上颌窦分割系统。本发明解决了手动标注医学图像精确标签耗时耗力的问题。
📄 202211630940X
📂 G06V10_26
👤 浙江工业大学
📅 2022-12-19
一种基于多尺度特征融合和两阶段联合学习的医学小目标分割方法，结合两个阶段的不同目的和各自优势，对粗细两个分割网络分别采用不同的多尺度融合策略，并引入空间转换模块将损失梯度从细分割网络有效地传递到粗分割网络，最后采用两阶段联合优化的形式，进行粗细两个分割网络的参数调整。以及提供一种基于多尺度特征融合和两阶段联合学习的医学小目标分割系统。本发明较好地解决了医学图像中小目标所面临的像素信息稀少和特征不明显等问题，获得了优秀的医学小目标分割性能。
📄 2024100103764
📂 G06V10_26
👤 浙江工业大学
📅 2024-01-03
本说明书涉及图像处理技术领域，涉及一种语义分割模型的训练方法、语义分割方法。训练方法包括获取训练集数据，训练集数据包括RGB图像和热值图像；对RGB图像和热值图像进行互补掩码；分别将掩码后的RGB图像和热值图像输入第一语义分割模型，输出语义分割预测图；通过第二语义分割模型获得未掩码的RGB图像和热值图像的语义分割预测图，以未掩码语义分割预测图为目标更新第一语义分割模型模型的参数，直到达到训练迭代次数。语义分割方法包括获取当前环境的RGB图像与热值图像并输入语义分割模型，输出语义分割图，语义分割模型基于上述方法训练得到。本说明书实施例中模型的语义分割精度和稳定性较高，不易受外部环境干扰，能适应较为复杂的应用场景。
📄 2024111919795
📂 G06V10_26
👤 浙江工业大学
📅 2024-08-28
一种基于元迁移学习的前视声呐图像分割方法和装置，其方法包括：S1、构建基于元迁移的声呐图像分割模型，模型中的特征提取器为卷积神经网络，在卷积神经网络中采用注意力机制；S2、采用预训练数据集对网络模型参数进行预训练，获取初始化参数；S3、使用预训练模型利用元学习策略训练网络模型，训练中采用自适应因子进行模型收敛；S4、将待分割图像输入训练好的网络模型，获得分割结果。本发明的注意力机制能合并不同维度特征图，提高模型的分割精度；元学习策略能支持小样本声纳图像分割，快速适应和学习小样本的分割任务，并保持较高的分割精准度，解决了声纳图像样本小难获取的难题，在以小样本声纳图像作为数据集上分割精度差的问题。
📄 2023112402902
📂 G06V10_26
👤 浙江工业大学
📅 2023-09-25
本发明公开了一种基于联邦学习的多标签数据聚类分割方法、系统、装置及存储介质，中央服务器对原始多标签数据集提取图像特征，并与图像的多标签信息拼接成特征向量，中央服务器对多标签数据集根据特征向量进行聚类处理，根据全局参数设置的分布类型以及聚类结果与联邦客户端数量，将数据集划分为遵循该分布类型的数据并分配给各个联邦客户端。对每个客户端的数据进行图像预处理，分割为训练集和测试集，并保存配置信息以及训练集与测试集划分，完成多标签数据聚类分割。本发明通过聚类算法为联邦学习模拟仿真多标签分类任务，提供了实验所需的各种数据分布情况，为联邦学习中处理多标签数据集的数据分割问题提供了有效的解决方案。
📄 2024110290184
📂 G06V10_26
👤 浙江工业大学
📅 2024-07-30
本发明公开了一种基于动态卷积的轻量级医学图像分割方法，获取待分割医学图像，输入到构建的分割网络模型，所述分割网络模型包括编码模块和解码模块，在编码模块中对待分割医学图像依次经过三个编码单元，获得各个编码单元输出的第一编码特征图、第二编码特征图和第三编码特征图，然后将第三编码特征图分别输入到语义分支和空间分支提取语义特征和空间特征；在解码模块中，依次通过四个解码单元，最后将解码特征图输入到动态卷积单元得到分割结果。本发明模型的参数量和计算量大量减少，同时能够很好地拟合数据集，取得精确的分割结果。
📄 2023103517470
📂 G06V10_26
👤 浙江工业大学
📅 2023-03-30
本发明公开了一种基于局部和全局上下文信息编码的医学图像分割方法，获取待分割的医学图像，进行预处理后输入到构建的分割网络模型，所述分割网络模型包括编码模块、特征提取模块和解码模块，在编码模块中对预处理后的待分割医学图像依次经过四次卷积、最大池化操作和连接操作，然后通过深度可分离卷积融合多尺度特征，输出编码特征；在特征提取模块中，编码特征依次经过空洞注意力模块和和空间网格注意力模块，提取得到含有全局上下文信息的特征图，在解码模块中，将特征图通过像素重组操作，然后将像素重组操作输出的特征图进行拼接后输入一个卷积层，得到分割结果。本发明有效地整合局部上下文信息和全局上下文信息，分割结果更加准确。
📄 2023103333246
📂 G06V10_26
👤 浙江工业大学
📅 2023-03-30
柿子坊 · 知识产权运营
柿子坊知识产权运营平台