-
公开(公告)号：CN115439485A
公开(公告)日：2022-12-06
申请号：CN202211007547.5
申请日：2022-08-22
Applicant: 中国科学院自动化研究所
IPC: G06T7/10
Abstract: 本发明提供一种切片分割模型训练方法及装置、切片分割方法及装置，其中分割模型训练方法包括：将第一样本集中的原始切片图像输入至初始切片分割模型，得到中间特征图及推理值，基于推理值、真值及各中间特征图，确定原始切片图像针对初始切片分割模型的第一损失值；基于第一损失值确定目标原始切片图像并对初始切片分割模型进行迭代训练直至收敛；将第二样本集中各切片图像输入收敛后的初始切片分割模型，确定各切片图像对应的价值量；基于各价值量，从第二样本集中确定新增切片图像并添加至第一样本集；利用更新后的第一样本集对收敛后的初始切片分割模型进行迭代训练。通过上述方法，实现仅使用少量样本训练使目标切片分割模型达到预期性能。
-
公开(公告)号：CN116973599A
公开(公告)日：2023-10-31
申请号：CN202310870148.X
申请日：2023-07-14
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种面向序列切片电镜图像的超薄切片厚度估计方法及装置，涉及计算机视觉技术领域，该方法包括：获取序列切片的电镜图像；针对任意两个相邻切片的电镜图像，对任意两个相邻切片的电镜图像进行全局对齐；将全局对齐后的任意两个相邻切片的电镜图像输入第一神经网络模型，得到任意两个相邻切片的电镜图像之间的形变场；提取形变场的形变数据特征；将形变数据特征输入第二神经网络模型，得到任意两个相邻切片所对应的厚度估计结果；其中，第一神经网络模型是基于样本相邻切片的电镜图像，以及用于对图像施加形变场的空间变换网络训练得到的；第二神经网络模型是基于带有厚度标签的样本形变数据特征训练得到的。
-
公开(公告)号：CN112381718B
公开(公告)日：2021-07-30
申请号：CN202011328722.1
申请日：2020-11-24
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于计算机视觉和图像处理技术领域，具体涉及了一种基于仿射变换的显微序列图像自动拼接方法、系统及装置，旨在解决现有技术无法有效解决显微图像拍摄过程中的图像变形对拼接的影响，拼接误差会出现累积和传播，因而拼接效果达不到预期的问题。本发明包括：提取显微序列图像重叠区域的特征并进行特征匹配；根据特征在图像上的位置信息，赋予每对特征点不同的权重；通过仿射变换模型拟合相邻图像间的变化，并设定全局优化的能量函数；最小化能量函数，获得各相邻图像的仿射变换关系；根据仿射变换关系进行拼接获得显微拼接图像。本发明通过全局拼接的方法，避免拼接过程中误差累积和图像边缘畸变对结果的影响，能够获得较高拼接精度的图像。
-
公开(公告)号：CN112381718A
公开(公告)日：2021-02-19
申请号：CN202011328722.1
申请日：2020-11-24
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于计算机视觉和图像处理技术领域，具体涉及了一种基于仿射变换的显微序列图像自动拼接方法、系统及装置，旨在解决现有技术无法有效解决显微图像拍摄过程中的图像变形对拼接的影响，拼接误差会出现累积和传播，因而拼接效果达不到预期的问题。本发明包括：提取显微序列图像重叠区域的特征并进行特征匹配；根据特征在图像上的位置信息，赋予每对特征点不同的权重；通过仿射变换模型拟合相邻图像间的变化，并设定全局优化的能量函数；最小化能量函数，获得各相邻图像的仿射变换关系；根据仿射变换关系进行拼接获得显微拼接图像。本发明通过全局拼接的方法，避免拼接过程中误差累积和图像边缘畸变对结果的影响，能够获得较高拼接精度的图像。
-
-
-
Search Results
4
records
(took 0.023 seconds)
