[发明专利]基于语义分割的异常区域检测方法、系统及相关组件在审
| 申请号： | 201910624645.5 | 申请日： | 2019-07-11 |
| 公开（公告）号： | CN110321905A | 公开（公告）日： | 2019-10-11 |
| 发明（设计）人： | 朱锦涛;黄国恒;曾鹏慷;陆铿宇 | 申请（专利权）人： | 广东工业大学 |
| 主分类号： | G06K9/46 | 分类号： | G06K9/46;G06K9/62;G06T7/11;G06T7/90 |
| 代理公司： | 北京集佳知识产权代理有限公司 11227 | 代理人： | 牛亭亭 |
| 地址： | 510060 广东省*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 卷积神经网络 样本图像 语义分割 异常区域检测 待测图像 显著性图 输出结果 相关组件 训练样本 异常区域 标签确定 技术效果 漏检概率 预设 申请 标签 检测 应用 | ||
1.一种基于语义分割的异常区域检测方法，其特征在于，包括：
获取样本图像，并提取出每一张所述样本图像的显著性图；
将各个训练样本依次输入进预设的用于语义分割的卷积神经网络模型中，对所述卷积神经网络模型进行训练；其中，每个所述训练样本中包括一张添加了标签的样本图像以及该样本图像的显著性图；
将待测图像以及所述待测图像的显著性图输入至经过训练的所述卷积神经网络模型中，获取所述卷积神经网络模型的输出结果，并根据所述输出结果中的标签确定出所述待测图像中的异常区域。
2.根据权利要求1所述的基于语义分割的异常区域检测方法，其特征在于，所述提取出每一张所述样本图像的显著性图，包括：
通过RC算法提取出每一张所述样本图像的显著性图。
3.根据权利要求2所述的基于语义分割的异常区域检测方法，其特征在于，所述通过RC算法提取出每一张所述样本图像的显著性图，包括：
针对每一张样本图像，将该样本图像分割成多个区域，并为每个区域建立颜色直方图；
通过计算每个区域的显著值，得出该样本图像的显著性图；
其中，S(rk)表示区域rk的显著值；ω(ri)表示区域ri的权值；Dr(rk,ri)为区域rk与区域ri的颜色距离，nk为区域rk中的颜色种类数；ni为区域ri中的颜色种类数；f(ck,p)为第p种颜色ck,p在第k个区域rk中的nk种颜色种类中出现的概率；f(ci,q)为第q种颜色ci,q在第i个区域ri中的ni种颜色种类中出现的概率；D(ck,p,ci,q)为区域rk中的第p种颜色ck,p与区域ri中的第q种颜色ci,q之间的颜色距离度量。
4.根据权利要求2所述的基于语义分割的异常区域检测方法，其特征在于，所述通过RC算法提取出每一张所述样本图像的显著性图，包括：
针对每一张样本图像，将该样本图像分割成多个区域，并为每个区域建立颜色直方图；
通过计算每个区域的显著值，得出该样本图像的显著性图；
其中，S(rk)表示区域rk的显著值；ω(ri)表示区域ri的权值；Dr(rk,ri)为区域rk与区域ri的颜色距离，nk为区域rk中的颜色种类数；ni为区域ri中的颜色种类数；f(ck,p)为第p种颜色ck,p在第k个区域rk中的nk种颜色种类中出现的概率；f(ci,q)为第q种颜色ci,q在第i个区域ri中的ni种颜色种类中出现的概率；D(ck,p,ci,q)为区域rk中的第p种颜色ck,p与区域ri中的第q种颜色ci,q之间的颜色距离度量；Ds(rk,ri)为区域rk与区域ri的空间距离，σs为预设的空间权值影响参数。
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广东工业大学，未经广东工业大学许可，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/pat/books/201910624645.5/1.html，转载请声明来源钻瓜专利网。
