[发明专利]一种基于弱监督深度学习的水下构筑物缺陷检测方法在审
| 申请号： | 201910361732.6 | 申请日： | 2019-04-30 |
| 公开（公告）号： | CN110084804A | 公开（公告）日： | 2019-08-02 |
| 发明（设计）人： | 林昱涵;史朋飞;辛元雪;范新南;倪建军;汪杰 | 申请（专利权）人： | 河海大学常州校区 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06K9/62 |
| 代理公司： | 南京纵横知识产权代理有限公司 32224 | 代理人： | 董建林 |
| 地址： | 213000 *** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于弱监督深度学习的水下构筑物缺陷检测方法，包括以下步骤：S1，以语义信息为标签对输入图像进行弱标注，训练弱监督下的卷积神经网络模型，对正常图像和有缺陷图像进行分类；S2，利用卷积神经网络模型的第三层卷积层信息，实现深度显著性检测算法；S3，根据深度显著性算法的检测结果，进行迭代聚类统一检测算法，训练一个可靠的水下构筑物图像异常点分类器；S4，将迭代聚类统一检测分类器用于水下构筑物图像数据集进行评估测试。本发明提供的一种基于弱监督深度学习的水下构筑物缺陷检测方法，解决了水下构筑物缺陷检测模型难以构建的问题，可以较好地辅助检测人员完成对水下构筑物目标的缺陷检测任务。 | ||
| 搜索关键词： | 水下构筑物 缺陷检测 卷积神经网络 检测算法 分类器 显著性 迭代 聚类 监督 图像数据集 辅助检测 检测结果 评估测试 缺陷图像 输入图像 图像异常 语义信息 正常图像 第三层 构建 卷积 算法 学习 标注 标签 统一 分类 检测 | ||
【主权项】：
1.一种基于弱监督深度学习的水下构筑物缺陷检测方法，其特征在于：包括以下步骤：S1，以语义信息为标签对输入图像进行弱标注，训练弱监督下的卷积神经网络模型，对正常图像和有缺陷图像进行分类；S2，利用卷积神经网络模型的第三层卷积层信息，实现深度显著性检测算法；S3，根据深度显著性算法的检测结果，进行迭代聚类统一检测算法，训练一个可靠的水下构筑物图像异常点分类器；S4，将迭代聚类统一检测分类器用于水下构筑物图像数据集进行评估测试。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于河海大学常州校区，未经河海大学常州校区许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910361732.6/，转载请声明来源钻瓜专利网。
