申请/专利权人：浙江大学

申请日：2024-01-29

公开（公告）日：2024-06-28

公开（公告）号：CN118261855A

主分类号：G06T7/00

分类号：G06T7/00;G06V20/70;G06V10/26;G06V10/44;G06V10/774;G06V10/82;G06N3/0455;G06N3/0464;G06N3/0895;G06N3/096

优先权：

专利状态码：在审-公开

法律状态：2024.06.28#公开

摘要：本发明公开了一种面向炼铁过程的烧结裂纹检测方法及装置、电子设备，包括：获取并划分数据集；搭建SA‑DeepLabV3+分割模型；训练两个教师模型，对未标记数据预测，得到两种伪标签和注意力图；在图像层面对所述伪标签进行可靠性评估，将所述未标记图像及其伪标签排序；在像素层面对所述伪标签进行可靠性评估，获得对应可靠性图；根据所述未标记图像及其伪标签的排序，依次选取前β％、100％的图像进行学生模型多阶段训练。训练时对未标记图像使用数据增强并加入所述可靠性图和注意力图，来对损失值加权；使用训练后的学生模型进行裂纹检测。该方法能减少噪声标签过拟合、全面评估伪标签可靠性、更加关注裂纹区域，具有较好的烧结裂纹分割性能。

主权项：1.一种面向炼铁过程的烧结裂纹检测方法，其特征在于，包括：获取裂纹图像数据集，将所述图像数据集划分为标记数据和未标记数据；搭建SA-DeepLabV3+语义分割网络模型，所述SA-DeepLabV3+语义分割网络模型为在DeepLabV3+语义分割网络中增加空间注意力模块，所述DeepLabV3+语义分割网络包括Encoder和Decoder两个部分，所述SA-DeepLabV3+语义分割网络为在所述Encoder和Decoder之间增加空间注意力模块，所述空间注意力模块为将输入特征通过多个卷积层卷积，得到注意力图，将所述注意力图与所述输入特征相乘得到输出特征；使用所述标记数据训练两个用于语义分割的教师模型，再对所述未标记数据进行预测，得到两种伪标签和所述SA-DeepLabV3+空间注意力模块中的注意力图；在图像级层面，对所述伪标签进行可靠性评估，将所述未标记图像及其伪标签进行排序；在像素级层面，对所述伪标签进行可靠性评估，获得所述伪标签对应可靠性图；根据所述未标记图像及其伪标签的排序，依次选取前β％、100％的图像进行学生模型的多阶段训练，在训练时对未标记的图像使用强数据增强处理并加入所述可靠性图和所述注意力图，来对损失值加权；经过基于注意力及可靠性加权的多阶段半监督学习得到训练后的所述学生模型，β为小于100的正数；使用训练后的学生模型进行裂纹检测，得到烧结裂纹检测结果。

全文数据：

权利要求：

百度查询： 浙江大学 面向炼铁过程的烧结裂纹检测方法及装置、电子设备

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