检索结果-南通市图书馆

计算机应用研究 2020年第12期37卷 3781-3787页

作者：张晓翔卢先领周洪钧江南大学物联网工程学院江苏无锡214122 同济大学上海200092

针对现有基于条件随机场(CRF)的多类别视频分割计算量随帧数不断增加的问题,提出了一种用于密集(全连接)CRF推断的快速、全动态推理(inference)算法,并有效地推断出了增量式多类别视频分割中动态密集CRF的最大后验概率(MAP)解决方案。... 详细信息

针对现有基于条件随机场(CRF)的多类别视频分割计算量随帧数不断增加的问题,提出了一种用于密集(全连接)CRF推断的快速、全动态推理(inference)算法,并有效地推断出了增量式多类别视频分割中动态密集CRF的最大后验概率(MAP)解决方案。与传统的密集CRF处理视频相比,该方法更适合于在线的机器人增量式视频分割的处理计算。实验结果表明,在多类别视频分割应用中,该动态算法明显快于广为人知的标准密集CRF算法,其计算精度与标准密集CRF算法保持不变。几个多类别视频分割测试证实了本算法的推理效率。该算法不仅限于视频分割,还可应用于诸多类似的增量式动态变化CRF模型中MAP推理计算的优化解决方案。

关键词：视频分割密集条件随机场计算机视觉

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于全卷积网络和条件随机场的宫颈癌细胞学图像的细胞核分割

引用

计算机应用 2018年第11期38卷 3348-3354页

作者：刘一鸣张鹏程刘祎桂志国中北大学生物医学成像与影像大数据山西省重点实验室太原030051

针对宫颈癌细胞学筛查中由于宫颈细胞核形状复杂多样等因素而导致分割不够精确的问题,提出了一种结合了全卷积网络(FCN)和全连接条件随机场(CRF)的细胞核分割方法。首先,根据Herlev数据集的特点搭建微型全卷积网络(T-FCN),利用细胞核区... 详细信息

针对宫颈癌细胞学筛查中由于宫颈细胞核形状复杂多样等因素而导致分割不够精确的问题,提出了一种结合了全卷积网络(FCN)和全连接条件随机场(CRF)的细胞核分割方法。首先,根据Herlev数据集的特点搭建微型全卷积网络(T-FCN),利用细胞核区域像素级别的类别先验信息,自主学习多层次特征来获取细胞核的粗分割结果;然后,通过最小化包含有整幅细胞图像中所有像素类别、像素色彩值与位置等信息的全连接CRF的能量函数来剔除粗分割结果中微小的误分割,并细化分割边缘。在Herlev数据集上的实验结果显示,提出的方法在查准率(Precision)、查全率(Recall)与Zijdenbos相似性指数(ZSI)上均有高于0.9的表现,表明得到的细胞核分割结果与其真实轮廓高度匹配,分割精确。相较于传统方法中对异常细胞核的分割精度较正常细胞核低的情况,提出的方法在异常细胞核的分割指标上普遍优于正常细胞核。

关键词：全卷积网络密集条件随机场细胞核分割巴氏涂片

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

改进U-Net芯片X线图像焊缝气泡缺陷检测方法

引用

华中科技大学学报（自然科学版） 2022年第6期50卷 104-110页

作者：李可吴忠卿吉勇宿磊江南大学机械工程学院江苏无锡214122 江南大学江苏省食品先进制造装备技术重点实验室江苏无锡214122 中国电子科技集团第五十八研究所江苏无锡214000

针对传统图像处理算法的芯片缺陷检测方法难以实现缺陷的精确提取且泛化性较差的问题,提出了结合空间注意力机制(SAM)、空间金字塔池化(SPP)、移动端神经网络(Mobile-Net)和密集条件随机场(DCRF)改进经典UNet芯片X线图像焊缝气泡缺陷的... 详细信息

针对传统图像处理算法的芯片缺陷检测方法难以实现缺陷的精确提取且泛化性较差的问题,提出了结合空间注意力机制(SAM)、空间金字塔池化(SPP)、移动端神经网络(Mobile-Net)和密集条件随机场(DCRF)改进经典UNet芯片X线图像焊缝气泡缺陷的检测方法(DSSMob-U-Net).首先,针对经典U-Net网络特征提取能力不足、泛化性较差的问题,引入Mobile-Net作为U-Net的主干特征提取网络,提高网络获取缺陷形状和位置信息的能力,并减少网络的参数量,降低模型对训练样本量的要求;其次,在Mobile-Net的低维特征提取部分引入空间注意力机制,并在特征提取后引入空间金字塔池化,提升网络对图像高、低维特征的提取能力,解码后针对解码器上采样层导致的特征信息丢失问题,在分类完成后引入密集条件随机场,结合像素点的像素值和所属类别信息对像素的分类结果重新评估,进一步提高分割精度;最后,在芯片缺陷数据集上进行实验,验证了DSSMob-U-Net模型的有效性,并与其他常用的语义分割网络进行比较,结果表明该模型具有更好的检测性能.

关键词：缺陷检测机器视觉语义分割空间注意力密集条件随机场

来源：

维普期刊数据库

同方期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于语义分割的芯片焊缝X-ray图像缺陷检测系统

基于语义分割的芯片焊缝X-ray图像缺陷检测系统

引用

作者：吴忠卿江南大学

学位级别：硕士

芯片产业是世界上技术最先进的行业之一。芯片封装是芯片制造过程的关键,通常使用金属焊料将保护壳焊接在基座上以保护内部芯片。由于芯片尺寸小、精度高,焊接时难以保证焊料填满焊接面,导致焊缝气泡的产生,造成保护壳失效。因此开展芯... 详细信息

芯片产业是世界上技术最先进的行业之一。芯片封装是芯片制造过程的关键,通常使用金属焊料将保护壳焊接在基座上以保护内部芯片。由于芯片尺寸小、精度高,焊接时难以保证焊料填满焊接面,导致焊缝气泡的产生,造成保护壳失效。因此开展芯片焊缝气泡缺陷检测的研究意义重大。X-ray成像相较于可见光成像能够迅速获得芯片内部信息,更适用于芯片内部缺陷的检测。但其生成图像是多层芯片结构的叠加图像,具有对比度低、背景干扰大、缺陷特征不明显等特点,基于传统图像处理的缺陷检测方法难以实现对缺陷的精确提取,且泛化性较差。U-Net语义分割网络是近几年较受欢迎的图像语义分割模型,可以学习目标样本的形状、颜色、纹理和位置等信息,然后在待测图像中精确分割出目标区域。本文主要研究了基于U-Net网络的芯片X-ray图像焊缝气泡缺陷检测算法,并针对U-Net语义分割网络特征提取不足、分割边缘不清晰等问题进行了改进。在此基础上搭建了自动化的芯片X-ray图像缺陷检测系统,主要研究工作如下:(1)结合X-ray系统的成像原理,分析了利用X-ray检测获得的芯片图像的特征,根据图像特征具体分析了识别芯片焊缝气泡缺陷的难点。提出了利用直方图均衡化对原始数据进行特征增强,然后对增强后的数据进行人工标注,制作语义分割数据集,通过利用语义分割网络对图像中的气泡缺陷进行检测的方法,形成一套X-ray芯片缺陷检测系统。(2)提出了一种基于改进U-Net语义分割网络的芯片X-ray图像缺陷检测算法。将UNet语义分割网络模型引入芯片焊缝缺陷检测,利用Mobile-Net作为U-Net模型的特征提取网络,提高网络获取缺陷形状和位置信息的能力,减少模型需要训练的参数量,仅需较少的样本就能完成网络全部参数的训练。同时在Mobile-Net的低维特征提取部分引入空间注意力机制,有效提升网络对图像低维特征的提取能力;在Mobile-Net的高维特征提取部分引入空间金字塔池化模块,将网络的全局信息和局部信息融合。最后利用该模型处理芯片X-ray图像数据,取得了较好的效果。(3)为了处理芯片缺陷和背景像素样本不平衡问题以及缺陷边缘困难样本难以识别的问题,本文利用焦点损失对网络的损失函数进行优化,在网络的训练过程中将训练重点聚焦在缺陷样本和边缘困难样本上。针对U-Net模型解码器上采样层导致的特征信息丢失问题,在分类完成后引入密集条件随机场,结合像素点的像素值和所属类别信息对像素的分类结果重新评估,进一步提高了模型的分割精度。(4)为了将算法更好地应用于实际生产线,根据企业具体要求对芯片合格率进行判定,开发了一套集成了批量缺陷识别、焊接面识别、缺陷与焊接面宽度比测量、判断是否合格并生成检测报表功能的软件平台。针对后续可能需要对缺陷数据进行扩充的问题,开发了一套能够标注新增数据,再对网络进行训练从而更新检测模型的软件,从而可以对算法模型进行不断优化。

关键词：缺陷检测机器视觉语义分割空间注意力密集条件随机场

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：