申请/专利权人：河北河钢材料技术研究院有限公司;河钢集团有限公司;河钢股份有限公司

申请日：2024-02-04

公开（公告）日：2024-05-10

公开（公告）号：CN118015299A

主分类号：G06V10/54

分类号：G06V10/54;G06V10/82;G06V10/764;G06V10/84;G06N3/0464;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.06.07#实质审查的生效;2024.05.10#公开

摘要：本发明公开了一种基于改进深度残差收缩网络的图像纹理预测方法，包括以下步骤为：a.原图像预处理；b.将预处理后的图像按照设定的比例划分成训练集和测试集；c.图像纹理预测模型的搭建；d.图像纹理预测模型的训练：将训练集放入搭建好的图像纹理预测模型中进行训练；e.图像纹理预测模型的测试：将测试集输入到图像纹理预测模型中，测试图像纹理预测模型的有效性；f.图像纹理的预测。本发明将Resnet50残差神经网络与注意力机制相结合用于纹理特征的提取，通过软阈值法对权重进行收缩去除冗余信息，形成深度残差收缩预测模型，利用该模型对图像纹理的种类进行预测。实现了物体纹理种类的智能化预测，提高了预测精度和效率。

主权项：1.一种基于改进深度残差收缩网络的图像纹理预测方法，其特征是，所述方法包括以下步骤为：a.原图像预处理：将采集到的单通道物体纹理灰度图像转换为三通道的RGB图像；b.建立数据集：将预处理后的图像按照设定的比例划分成训练集和测试集；c.图像纹理预测模型的搭建：在Resnet50残差神经网络的每个块中的每个瓶颈中加入注意力机制模块用来学习一组权重阈值，再将注意力模块中的重新加权代替为软阈值函数，得到图像纹理预测模型；所述注意力机制模块有两条线路，第一条线路求瓶颈输入信号经三层卷积运算所得的所有特征的绝对值，然后经过全局均值池化和平均，获得一个特征A；在第二条线路中，特征A依次经过一个全连接层、批量正则化、Relu激活函数、Sigmoid函数，将Sigmoid函数的输出归一化到0和1之间，获得一个系数α，系数α与特征A相乘后的绝对值的平均与瓶颈中三层卷积运算结果同时输入到软阈值函数，软阈值函数的输出与瓶颈输入信号或经卷积网络降维后的瓶颈输入信号一起进入相加求和模块，求和模块的输出经Relu激活函数后形成输出信号；d.图像纹理预测模型的训练：将建立好的训练集放入搭建好的图像纹理预测模型中进行训练；e.图像纹理预测模型的测试：将测试集中的图像输入到图像纹理预测模型中，利用训练好的权重对其进行预测，将预测得到的分类标签与真实标签进行比较，测试图像纹理预测模型的有效性；f.图像纹理的预测：将待预测物体纹理灰度图像转换为三通道的RGB图像后输入到图像纹理预测模型中，得到预测结果。

全文数据：

权利要求：

百度查询： 河北河钢材料技术研究院有限公司;河钢集团有限公司;河钢股份有限公司 一种基于改进深度残差收缩网络的图像纹理预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD