检索结果-南通市图书馆

作者：萨良兵北京工商大学

学位级别：硕士

近年来,随着计算机硬件的不断创新和计算能力的不断突破,深度学习在计算机视觉方向的研究成果被成功应用到各个领域。在工业生产领域,计算机视觉技术常被用于产品的缺陷检测。但是,大量收集和标注缺陷样本数据难度较大。再者,各种工业... 详细信息

近年来,随着计算机硬件的不断创新和计算能力的不断突破,深度学习在计算机视觉方向的研究成果被成功应用到各个领域。在工业生产领域,计算机视觉技术常被用于产品的缺陷检测。但是,大量收集和标注缺陷样本数据难度较大。再者,各种工业产品表面缺陷之间的特征太过相似,进一步增加了检测识别的难度。因此,对少量工业产品缺陷进行高精度的检测识别具有重要的现实意义。本文结合工业产品的表面缺陷样本数据量少的特点,首先提出基于数据增强的方法,实现缺陷样本在特征层面和数据量角度的扩充。然后,针对跨域造成的复杂高层语义问题和不同表面缺陷特征相似问题,提出基于跨域小样本学习和细粒度图像分析的缺陷识别和目标检测方法,实现少量缺陷样本上的缺陷识别和目标检测。最后,在已公开的数据集和本文收集的法兰轴缺陷数据集上进行实验,证明了所提方法的有效性。本文的主要研究内容如下:(1)为解决本文所收集的法兰轴表面缺陷样本数量过少的问题,提出一种基于有监督的随机组合式的数据增强方法。该方法基于几何、颜色、像素点等包含18种有监督的数据增强策略,并按照一定概率随机选择4-9种方法对缺陷样本进行数据增强。统计分布特性的实验结果表明,随机组合式数据增强方法从数据量和特征分布角度都扩充了缺陷样本。在数据增强的基础上,基于深度学习的图像分类精度从66.7%提升到93.3%。结果证明了该方法的有效性。(2)缺陷样本通过数据增强技术实现一定程度的扩容,但仍不能满足深度模型的训练需求。提出一种基于注意力与自适应双线性匹配网络的跨域小样本缺陷识别模型,在特征编码器中引入残差注意力机制用于解决学习小样本跨域多维度特征分布问题,在预测器中构建自适应双线性匹配网络用于解决不同缺陷之间由于形状、纹理或颜色等特征太过相似的细粒度问题。实验结果表明,在公共小样本数据集CUB上5way-5shot的识别精度为63.78%;在工业缺陷数据集NEU-DET和法兰轴上3way-5shot的识别精度分别为89.19%和82.94%。实验结果证明了方法的有效性。(3)对于缺陷目标检测应用场景,提出一种基于多尺度注意力和双Ro I Head的跨域小样本缺陷目标检测模型。该模型以De FRCN模型为基础,在主干网络中融入特征金字塔网络和注意力机制用于解决缺陷样本多尺度和小样本跨域模型微调时快速学习的问题,在区域识别网络中采用双Ro I Head用于解决缺陷特征细粒度相似问题。实验结果表明,10-shot下综合评估能力较强的n AP指标达到61.79%m AP。该模型可使用少量的缺陷样本实现较高精度的检测。

关键词：缺陷检测跨域小样本分类跨域小样本目标检测细粒度图像分析

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

基于深度学习的细粒度图像检索算法研究

基于深度学习的细粒度图像检索算法研究

引用

作者：于涵燕山大学

学位级别：硕士

图像检索是计算机视觉领域的一个重要研究方向。近年来,图像检索的研究范式逐渐从基于传统算法的研究过渡到基于深度学习的研究,但图像检索最本质的追求始终是试图去获得对于一幅图像的良好表示。具体到细粒度图像检索领域,对象类别的... 详细信息

图像检索是计算机视觉领域的一个重要研究方向。近年来,图像检索的研究范式逐渐从基于传统算法的研究过渡到基于深度学习的研究,但图像检索最本质的追求始终是试图去获得对于一幅图像的良好表示。具体到细粒度图像检索领域,对象类别的划分粒度由传统的大类划分进一步细化到大类下的子类划分,甚至于身份粒度级别的划分,相应的产生了类内差异大于类间差异的问题,这使得细粒度检索成为比传统图像检索更具挑战性的研究课题。该文立足于无监督的特征提取与聚合方法以及有监督的度量学习方法,在为图像获得向量表示这个问题上提出了全新的思考与可能性,主要工作如下。首先,受到弱监督目标定位的启发,发现一种有判别力的表示隐藏在卷积层权重的梯度中,并据此设计了包含特征提取与特征聚合两阶段的卷积滤波器梯度聚合(convolution filters gradient aggregation,CFGA)算法。CFGA提出了一种可视化指标来指导损失函数的设计,并在推理阶段基于该指标设计了一个源自梯度加权类激活映射(gradient-weighted class activation mapping,Grad-CAM)的损失函数来获取卷积层权重的梯度;CFGA将卷积层权重的梯度视作一种新的特征并设计了一种新颖的方式将其聚合为紧凑的向量表示。广泛的实验分析验证了CFGA算法在细粒度检索任务上的有效性。其次,在CFGA算法的基础上总结了一个普遍性结论,特征提取模型的参数本身隐含了一种可用其梯度来量化的向量表示。在Swin Transformer架构上根据上述结论具体地设计了包含特征提取与特征聚合两个阶段的Transformer参数梯度聚合(Transformer parameter gradient aggregation,TPGA)算法,并进行了实验验证以及深入地理论分析。至此,在细粒度图像检索任务上,该普遍性结论在CNN以及Transformer两种主流的参数化模型上都具有良好的适应性。最后,受前两个实验中特征提取与特征聚合过程的启发,设计了一种改进的双线性池化方式,相比之经典的双线性池化,它能够获得更加紧凑且低维的全局表示。将改进的双线性池化应用到Swin Transformer上的有监督细粒度检索中后,该池化方式在优化过程中的有效性得到了验证。

关键词：细粒度图像检索度量学习卷积滤波器梯度聚合以图搜图细粒度图像分析弱监督目标定位

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

基于多通道视觉注意力的细粒度图像分类

引用

数据采集与处理 2019年第1期34卷 157-166页

作者：王培森宋彦戴礼荣中国科学技术大学语音及语言信息处理国家工程实验室合肥230027

视觉注意力机制在细粒度图像分类中得到了广泛的应用。现有方法多是构建一个注意力权重图对特征进行简单加权处理。对此,本文提出了一种基于可端对端训练的深度神经网络模型实现的多通道视觉注意力机制,首先通过多视觉注意力图描述对应... 详细信息

视觉注意力机制在细粒度图像分类中得到了广泛的应用。现有方法多是构建一个注意力权重图对特征进行简单加权处理。对此,本文提出了一种基于可端对端训练的深度神经网络模型实现的多通道视觉注意力机制,首先通过多视觉注意力图描述对应于视觉物体的不同区域,然后提取对应高阶统计特性得到相应的视觉表示。在多个标准的细粒度图像分类测试任务中,基于多通道视觉注意的视觉表示方法均优于近年主流方法。

关键词：图像分类细粒度图像分析视觉注意力图像表示深度学习

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

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

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

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：