摘要
本发明公开了一种基于时空样本增强的皮带撕裂检测模型训练方法及检测方法,训练方法包括:对物料传送皮带采集原始图像序列,并打标得到原始mask序列;对各个原始图像序列、原始mask序列进行时间维度上随机克隆的时序样本扩增,并进一步作增强样本丰富度的场景批量扩增;以经时间、空间增强后的数据对预构建的皮带撕裂检测网络参数进行迭代优化:捕获图像之间的时序依赖,将关键帧的空间特征与时序依赖特征互补,将互补后的时空特征信息与关键帧的多尺度空间特征逐步融合得到最终特征图,对其进行撕裂目标的区域分割、误差损失计算、逐步迭代优化目标分割结果,最终获得具备良好训练参数的模型。
技术关键词
卷积长短期记忆
依赖特征
序列
图像
时序特征
关键帧
特征提取器
检测模型训练方法
样本
物料传送皮带
空间多尺度
网络模块
融合特征
检测头
批量
矩阵
撕裂检测方法
节点
系统为您推荐了相关专利信息
行人步态
特征提取方法
输出特征
全局特征融合
特征提取模型
轨道电路
智能化轨道
实时图像采集
图像处理单元
芯片模块
引导拍摄方法
航空飞行器
表面紧固件
飞机外表面
铆钉紧固件
岩心样品
岩心图像
SURF算法
水气
图像旋转方法