摘要
本发明属于图像处理技术领域,具体公开了一种古代壁画碎裂病害标注方法,通过构造碎裂病害标注网络对壁画碎裂病害进行标注,在网络跳跃连接处添加结构信息增强模块,丰富了特征图的浅层结构信息并将其注入深层网络中;利用空间注意力残差结构作为编码器前两个下采样层的卷积,使网络能够更好地聚焦特征图的空间结构信息;在网络最后一个编码层使用了两个多尺度交叉融合卷积,增强模型对不同尺度信息的感知能力。本发明利用深度学习图像分割网络实现古代壁画碎裂病害的自动标注,实现了壁画碎裂病害的自动标注,无需人工干预,可以在短时间内完成大量壁画的碎裂病害标注工作。
技术关键词
标注方法
残差结构
边缘提取算法
网络
古代壁画图像
深度学习图像
生成特征
编码器
空间结构信息
聚焦特征
多尺度
图像处理技术
样本
边缘轮廓
注意力机制
系统为您推荐了相关专利信息
三角形面片
生成全景
过渡算法
粒子系统
渲染架构
锥形束投影数据
图像编码
滤波反投影算法
解码网络
矩阵
传感器节点
桥梁无线监测
预警方法
数据处理算法
机器学习算法