Electronic device and method for document segmentation

專利類型

發明

專利國別 (專利申請國家)

美國

專利申請案號

17/344,911

專利證號

US 11,657,279 B2

專利獲證名稱

Electronic device and method for document segmentation

專利所屬機關 (申請機關)

國立臺灣科技大學

獲證日期

2023/05/23

技術說明

本創作利用監督式學習的方式實現電池瑕疵檢測，並同時能進行切割出瑕疵之位置，其中採用Unet[4]與Resunet[5]相關技術後，提出混和式(Hybrid)切割模型來實現其功能，並根據不同的檢測需求(Recall、Specificity、AUC)使用者可以選擇不同的模型來達成特定檢測方法。例如，在電池負極的影像上使用Resunet與所提出之Hybrid兩種模型架構，皆可以在電池側身上進行檢測，而演算法會根據使用者所需要的檢測方法自動尋找最佳之模型。監督式學習在於數據是否有標籤(label)，其學習方式是利用標籤的數據去與預測出的結果比對誤差，並且透過這誤差去修正達到更精準的預測結果，這樣的方式即是監督式學習的優點，但監督式學習的方式需要人工的事前作業，過程較為繁複，在後會說明三種架構與其利用之各模組功能。 圖 1、Unet [4]架構圖 圖1為Unet架構圖，Unet [4]為2015所發表的論文，起初是用於醫學影像的切割上，其模型在醫學影像上有良好的結果，此架構可從中間分為兩部分，左半邊可以視為一個編碼器，是透過多個convolution下採樣去做特徵萃取，而右半邊可視為一個解碼器，主要透過Deconvolution上採樣將特徵還原成切割結果，但在此架構中在編碼器利用convolution去做萃取特徵時，還是會損失一些特徵資訊，這會使在解碼的部分因損失了這些特徵資訊造成還原效果不好，因此Unet加入了skip connection的方式，其方式是利用在編碼時萃取出的特徵透過copy and crop (圖1中間灰色部分)將特徵資訊傳遞至解碼時，使特徵在還原時能得到更好的特徵資訊，並使其還原得更好得到更好的效果。 圖 2、Resunet [5]架構圖 Resunet[5]為Unet的進階版，其架構如圖2所示，Resunet跟Unet的差別在於在編碼的下採樣與解碼的上採樣Resunet改變了原始Unet架構，增加了ResBlock來增強特徵資訊的傳遞，如圖3(b)所示，透過Resblock的連接方式可以有效的將下採樣所失去的特徵資訊透過原圖做identity mapping，並與原始下採樣所得到的特徵資訊相加在一起後輸出，經過一連串的Resblock可以使特徵資訊不會因為下採樣而失去過多資訊，且可以將特徵資訊更有效的傳遞到下一層使結果達到更好的效果。 圖 4、Hybrid Model架構圖 最後為本創作之模型架構為Hybrid模型，主要以Resunet為基底，加入了SE_block [6]、Attention_block [7]、ASPP_Block [8]，整體架構如圖4所示，在編碼的部分加入了SE_block [6]，目的是為了讓卷積時得到更重要的特徵，其功能如圖5所示，會先將特徵圖壓縮成一維，並給予每個特徵圖都給予相對應的權重後再與輸入的特徵圖做相乘，就會得到有相對應權重的特徵圖，對其做卷積會得到更重要的資訊，而在Resunet中的連接各層中加入ASPP_Block [7]的概念，其目的是為了得到特徵有較大的視野度與空間之間的資訊與關聯性，ASPP如圖6所示，透過不同的擴張率(rate)可以得到不同的視野度，因此輸出也加入ASPP讓特徵資訊更加豐富，使得在解碼時可以還原出較好的結果，而在每一個解碼Block前都會透過Attention_Block [8]去取得相對應編碼層的特徵，並透過Attention的機制去強化下卷積所失去的特徵，給予缺失的特徵較大的權重，去補足解碼時特徵不足的地方，使特徵在還原時可以透過編碼層給予的特徵還原出較好的結果，其架構如圖7所示。

備註

台科編號1090050US1

連絡單位 (專責單位/部門名稱)

技術移轉中心

連絡電話

02-2733-3141#7346

網址