買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜安徽工程大學申請的專利一種工業產品圖像的數據增強方法、裝置、介質和設備獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119515752B 。

龍圖騰網通過國家知識產權局官網在2025-05-09發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202411591856.0，技術領域涉及：G06T5/94；該發明授權一種工業產品圖像的數據增強方法、裝置、介質和設備是由萬國揚;李敘娜;滕明遙;王承文;李寒琪;朱佳炳;曹家杰;蔣述;陶曉軍;溫彩妙;王梓萌;何琴;汪倩倩設計研發完成，并于2024-11-08向國家知識產權局提交的專利申請。

本一種工業產品圖像的數據增強方法、裝置、介質和設備在說明書摘要公布了：本發明公開了一種工業產品圖像的數據增強方法、裝置、介質和設備，涉及數據增強技術領域。本發明先基于產品圖像裁剪拼接得到初始增強后的圖像并將其作為樣本圖像，然后構建改進的循環生成對抗網絡，并以改進的循環生成對抗網絡基于樣本圖像進行數據增強的生成對抗學習，使得改進的循環生成對抗網絡能夠消除初始增強圖像中不和諧的地方，使其生成圖像趨近視覺采集得到的產品圖像。其中，改進加入的實例歸一化模塊能夠更關注每個樣本自身的特征分布，提高了對每個初始增強圖像的特征提取的準確性；同時通過加入卷積塊注意力模塊提高通道和空間上特征的抓取能力，以在生成最終增強圖像時很好地消除初始增強圖像中不和諧的地方，提高數據增強的效果。

本發明授權一種工業產品圖像的數據增強方法、裝置、介質和設備在權利要求書中公布了：1.一種工業產品圖像的數據增強方法，其特征在于，包括：獲取目標工業產品在多種不同背景下的產品圖像裁剪并拼接后存在圖像拼接痕跡的樣本圖像；基于循環生成對抗網絡，以U-Net網絡作為生成器的主干網絡，并在U-Net網絡的收縮路徑中的用于下采樣的各卷積模塊中加入實例歸一化模塊，在收縮路徑后加入卷積塊注意力模塊，構建改進的循環生成對抗網絡；將樣本圖像輸入改進的循環生成對抗網絡的生成器，以對樣本圖像進行增強得到增強圖像；并將增強圖像和產品圖像輸入改進的循環生成對抗網絡的判別器，確定輸入圖像為增強圖像或產品圖像，以增強圖像使判別器判斷為產品圖像為目標對生成器進行訓練，將訓練后的生成器作為數據增強模型；將基于產品圖像裁剪拼接得到的初始增強圖像輸入數據增強模型中，通過收縮路徑中各卷積模塊進行背景特征和目標工業產品特征的提取，并通過實例歸一化模塊對提取到的特征進行實例歸一化得到初始增強圖像的風格特征圖，通過卷積塊注意力模塊對風格特征圖進行通道和空間特征抓取，生成去除圖像拼接痕跡的最終增強圖像；所述實例歸一化模塊為InstanceNorm2d模塊；所述通過實例歸一化模塊對提取到的特征進行實例歸一化得到特征圖，具體包括：通過實例歸一化模塊基于下式對提取到的特征進行實例歸一化得到初始增強圖像的風格特征圖： 其中，z為實例歸一化后得到的初始增強圖像的風格特征圖，β和γ為仿射系數，x為基于初始增強圖像提取到的特征矩陣，為x的平均值，ε為標準差，σ為避免標準差為0的添加項；所述通過卷積塊注意力模塊對風格特征圖進行通道和空間特征抓取，具體包括：通過卷積塊注意力模塊的通道注意力模塊中的全局最大池化模塊和全局平均池化模塊獲取風格特征圖的通道特征，并將通道特征送入包括多層感知機和隱藏層的共享神經網絡，生成通道注意力圖；通過卷積塊注意力模塊的空間注意力模塊中的全局最大池化模塊和全局平均池化模塊獲取風格特征圖池化后的特征，并將池化后的特征進行拼接，通過卷積操作生成空間注意力圖；根據通道注意力圖和空間注意力圖對風格特征圖進行通道和空間的加權。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人安徽工程大學，其通訊地址為：241000 安徽省蕪湖市鳩江區北京中路8號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。