摘要
本发明涉及一种基于迁移学习的金属断口图像语义分割方法及装置,本发明收集不同断口类型的金属断口图像作为图像数据集;对图像数据集中的金属断口图像进行语义分割掩膜标注与数据增强处理;将各类断口的图像数据集预处理后输入到迁移到图像特征处理模型获取低分辨率特征;设置断口图像语义分割任务的训练策略;将低分辨率特征输入构建的语义分割神经网络进行训练以使得语义分割神经网络模型能够预测与语义分割掩膜标注匹配的分割结果;对迁移学习训练所得的深度神经网络模型进行评价。本发明能够以小规模数据输入和短周期的深度神经网络训练过程,实现高准确率的不同类型金属断口图像语义分割。
技术关键词
图像语义分割方法
语义分割神经网络
特征金字塔网络
查询特征
掩膜
超分辨率
图像语义分割装置
解码器
层级
深度神经网络训练
数据
深度神经网络模型
交叉注意力机制
图像增强
处理单元
系统为您推荐了相关专利信息
供水管
监测系统
定位单元
数据采集模块
管道周边
机械臂抓取方法
模态特征
编码向量
生成自然语言
指令
树木年轮
智能分析系统
环境感知数据
残差卷积神经网络
图像采集模块
卷积神经网络模型
智能检测方法
特征数据库
图像
缺陷特征提取
路面裂缝图像
路面裂缝检测
特征金字塔网络
多尺度特征融合
多尺度特征提取