全部
图书
期刊
学位论文
会议论文
报纸
图片
视频
新闻
关键词
- 不完整实例引导的航空发动机叶片实例分割
- 作者： 黄睿 张超群 成旭毅 邢艳 张宝 来源： 计算机应用 年份： 2023 文献类型 ： 期刊 关键词： 航空发动机 损伤检测 实例分割 发动机叶片 交互式分割
- 描述： 航空发动机安全是影响飞行安全的重要因素，在航空发动机损伤检测中常需要分割发动机的单个叶片以判断发动机叶片的损伤程度。然而，当前基于深度学习的实例检测方法在进行发动机叶片分割时，由于缺少带标注的发动机叶片数据，导致无法充分训练网络模型，得到次优的分割结果。为了提升航空发动机叶片实例分割精度，提出了基于不完整实例引导的航空发动机叶片实例分割方法。结合已有的实例分割方法和交互式分割方法，得到较好的发动机叶片分割结果。首先，使用少量标注数据训练实例分割网络，得到发动机叶片的初步分割结果。其次，针对检测到的单个叶片，将其分为前景和背景两部分，通过选择前景种子点和背景种子点，利用交互式分割方法的思想，产生完整的单个叶片的分割结果。依次处理完所有的叶片后，将结果合并得到最终的发动机叶片实例分割结果。使用72张图像训练基于稀疏实例激活图的实时实例分割方法（SparseInst）产生初始的实例分割结果，在56张图像上进行测试。提出的不完整实例引导的航空发动机叶片实例分割方法的平均精度（mAP）比SparseInst的平均精度高5.1个百分点。所提算法的结果均优于当前流行的实例分割方法MASK R-CNN、YOLACT、BMASK-RCNN的结果。
- 不完整实例引导的航空发动机叶片实例分割
- 作者： 黄睿 张超群 成旭毅 邢艳 张宝 来源： 计算机应用 年份： 2023 文献类型 ： 期刊 关键词： 航空发动机 损伤检测 实例分割 发动机叶片 交互式分割
- 描述： 航空发动机安全是影响飞行安全的重要因素，在航空发动机损伤检测中常需要分割发动机的单个叶片以判断发动机叶片的损伤程度。然而，当前基于深度学习的实例检测方法在进行发动机叶片分割时，由于缺少带标注的发动机叶片数据，导致无法充分训练网络模型，得到次优的分割结果。为了提升航空发动机叶片实例分割精度，提出了基于不完整实例引导的航空发动机叶片实例分割方法。结合已有的实例分割方法和交互式分割方法，得到较好的发动机叶片分割结果。首先，使用少量标注数据训练实例分割网络，得到发动机叶片的初步分割结果。其次，针对检测到的单个叶片，将其分为前景和背景两部分，通过选择前景种子点和背景种子点，利用交互式分割方法的思想，产生完整的单个叶片的分割结果。依次处理完所有的叶片后，将结果合并得到最终的发动机叶片实例分割结果。使用72张图像训练基于稀疏实例激活图的实时实例分割方法（SparseInst）产生初始的实例分割结果，在56张图像上进行测试。提出的不完整实例引导的航空发动机叶片实例分割方法的平均精度（mAP）比SparseInst的平均精度高5.1个百分点。所提算法的结果均优于当前流行的实例分割方法MASK R-CNN、YOLACT、BMASK-RCNN的结果。
- 基于风格迁移的交互式航空发动机孔探图像扩展方法
- 作者： 樊玮 段博坤 黄睿 刘挺 张宁 来源： 计算机应用 年份： 2021 文献类型 ： 期刊 关键词： 交互式 泊松融合 数据扩展 风格迁移 孔探图像
- 描述： 在航空发动机孔探图像缺陷检测任务中,缺陷区域样本数量远少于正常样本数量,且缺陷样本无法覆盖整个样本空间,导致检测算法泛化能力较差。针对上述问题,提出了一种基于风格迁移技术的交互式数据扩展方法。首先,通过交互界面选择背景图像和缺陷目标,并根据背景图像指定需要粘贴的目标的大小、角度和位置等信息;其次,通过风格迁移技术将背景图像的风格迁移到目标图像上,使得背景图像和待检测目标具有相同的风格;最后,利用泊松融合算法对融合区域的边界进行修正,以达到连接区域自然过渡的效果。通过二分类和缺陷检测验证了该方法的有效性。在包含真实图像和扩展后图像的二分类实验中,测试人员的平均分类错误率达到了44.0%;而在基于Mask R-CNN模型的检测任务中,所提方法的检测和分割平均精度(AP)较传统方法分别提高了99.5%和91.9%。
- 基于风格迁移的交互式航空发动机孔探图像扩展方法
- 作者： 樊玮 段博坤 黄睿 刘挺 张宁 来源： 计算机应用 年份： 2021 文献类型 ： 期刊 关键词： 交互式 泊松融合 数据扩展 风格迁移 孔探图像
- 描述： 在航空发动机孔探图像缺陷检测任务中,缺陷区域样本数量远少于正常样本数量,且缺陷样本无法覆盖整个样本空间,导致检测算法泛化能力较差。针对上述问题,提出了一种基于风格迁移技术的交互式数据扩展方法。首先,通过交互界面选择背景图像和缺陷目标,并根据背景图像指定需要粘贴的目标的大小、角度和位置等信息;其次,通过风格迁移技术将背景图像的风格迁移到目标图像上,使得背景图像和待检测目标具有相同的风格;最后,利用泊松融合算法对融合区域的边界进行修正,以达到连接区域自然过渡的效果。通过二分类和缺陷检测验证了该方法的有效性。在包含真实图像和扩展后图像的二分类实验中,测试人员的平均分类错误率达到了44.0%;而在基于Mask R-CNN模型的检测任务中,所提方法的检测和分割平均精度(AP)较传统方法分别提高了99.5%和91.9%。