【技术实现步骤摘要】
本专利技术属于设备检测，具体涉及一种基于生成式网络的弱监督管材表面缺陷检测方法及系统。
技术介绍
1、在管材制造领域，准确识别和分类表面缺陷对于保证产品质量至关重要。然而，通过经典的语义分割网络对对图像中的每个像素进行分类，将图像划分为具有不同语义意义的区域，这种缺陷检测方法通常依赖于大量精确的像素级标注数据，数据的获取成本高昂，而且非常耗时。
2、为解决数据标注问题，研究者们提出了弱监督方法训练语义分割网络，这类方法旨在利用更加简单和容易获取的标注信息，如图像级标签、边界框、点标注或图像中物体的轮廓，来执行语义分割任务。这些弱监督方法在减少标注成本和时间方面取得了显著效果，为在标注资源有限的情况下进行语义分割提供了可能，但通常在精度和细节处理上难以与全监督方法媲美。
3、弱监督语义分割的关键挑战就是如何从这些粗略的标注中提取出足够的信息来进行精确的像素级分类。现有的方法是利用分类网络产生的类激活图(cam)来获取图像中目标类别的大致位置，进而生成初始的显著性掩膜区域。然而，这种方法通常需要预先在大型数据集上训练...
【技术保护点】
1.基于生成式网络的弱监督管材表面缺陷检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于生成式网络的弱监督管材表面缺陷检测方法，其特征在于，步骤S1具体为：
3.根据权利要求1所述的基于生成式网络的弱监督管材表面缺陷检测方法，其特征在于，步骤S2中，将原始数据集的80％划分为训练集，20％划分为测试集。
4.根据权利要求1所述的基于生成式网络的弱监督管材表面缺陷检测方法，其特征在于，步骤S2中，图像增强技术包括旋转、缩放、翻转。
5.根据权利要求1所述的基于生成式网络的弱监督管材表面缺陷检测方法，其特征在...
【技术特征摘要】
1.基于生成式网络的弱监督管材表面缺陷检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于生成式网络的弱监督管材表面缺陷检测方法，其特征在于，步骤s1具体为：
3.根据权利要求1所述的基于生成式网络的弱监督管材表面缺陷检测方法，其特征在于，步骤s2中，将原始数据集的80％划分为训练集，20％划分为测试集。
4.根据权利要求1所述的基于生成式网络的弱监督管材表面缺陷检测方法，其特征在于，步骤s2中，图像增强技术包括旋转、缩放、翻转。
5.根据权利要求1所述的基于生成式网络的弱监督管材表面缺陷检测方法，其特征在于，步骤s3中，语义分割网络hrnet包括...
【专利技术属性】
技术研发人员：苏文斌，邓泽玮，卫红波，任伟，符运龙，母欣荣，李浩翔，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。