摘要
本发明提供一种基于深度学习的X射线焊缝图像恢复方法,包括:制作焊缝图像恢复数据集;利用单阶段改进U‑Net网络进行图像恢复,改进U‑Net网络共三层,每层均包括层归一化计算、卷积层、激活函数、简易门控注意力机制模块;通过训练完成的U‑Net网络模型得到恢复图像,与训练集中原图像进行损失函数计算,根据损失函数调整U‑Net网络模型参数,使网络能达到更好的恢复效果;模型测试;利用测试合格的模型进行完整焊缝图像恢复。本发明利用简易门控注意力模块可以有效提高特征的筛选能力,提高图像恢复的效果,降低网络参数,达到更好的恢复效果;使用单阶段网络中U‑Net方法改进,满足X射线焊缝图像高清晰度高细节需求。
技术关键词
图像恢复方法
焊缝
通道注意力机制
图像块
注意力方法
全局平均池化
泊松噪声
峰值信噪比
数据
深度神经网络
分支
图片
模块
阶段
系统为您推荐了相关专利信息
视觉检测方法
拍摄小车
网格
路径规划算法
图像拼接
干扰源检测方法
干扰源检测装置
信道
注意力机制
图像块
语义分割模型
语义分割方法
多尺度特征融合
通道注意力机制
扫描电子显微镜