基于方向和尺度自适应卷积神经网络的光场深度估计方法

    公开(公告)号:CN108846473B

    公开(公告)日:2022-03-01

    申请号:CN201810317425.3

    申请日:2018-04-10

    Abstract: 本发明公开了一种基于方向和尺度自适应卷积神经网络的光场深度估计方法。本发明包括如下步骤:步骤1.准备光场数据集,制作训练集和测试集;步骤2.搭建方向和尺度自适应的卷积神经网络SOA‑EPN;步骤3.使用训练集训练搭建好的SOA‑EPN网络;步骤4.使用练好的SOA‑EPN网络在测试集上进行测试;本发明借助于尺度和方向感知卷积神经网络来预测光场深度,不仅利用了多方向,而且很好的处理了遮挡等问题,得到准确的深度估计结果。

    基于3D全卷积神经网络的脊柱分割方法

    公开(公告)号:CN108038860A

    公开(公告)日:2018-05-15

    申请号:CN201711236700.0

    申请日:2017-11-30

    Abstract: 本发明公开了一种基于3D全卷积神经网络的脊柱分割方法。本发明包括如下步骤:步骤1.建一个用于脊柱分割的3D全卷积神经网络;步骤2.准备数据集,数据集包括训练集+测试集;步骤3.利用训练集训练神经网络,得到网络模型;步骤4.使用得到的网络模型分割测试集中脊柱CT数据,得到分割结果。本发明借助于3D全卷积神经网络来分割脊柱,不仅是全自动的,而且分割精度很准确。

    基于方向和尺度自适应卷积神经网络的光场深度估计方法

    公开(公告)号:CN108846473A

    公开(公告)日:2018-11-20

    申请号:CN201810317425.3

    申请日:2018-04-10

    Abstract: 本发明公开了一种基于方向和尺度自适应卷积神经网络的光场深度估计方法。本发明包括如下步骤:步骤1.准备光场数据集,制作训练集和测试集;步骤2.搭建方向和尺度自适应的卷积神经网络SOA-EPN;步骤3.使用训练集训练搭建好的SOA-EPN网络;步骤4.使用练好的SOA-EPN网络在测试集上进行测试;本发明借助于尺度和方向感知卷积神经网络来预测光场深度,不仅利用了多方向,而且很好的处理了遮挡等问题,得到准确的深度估计结果。

Patent Agency Ranking