-
公开(公告)号：CN111833352A
公开(公告)日：2020-10-27
申请号：CN202010598005.4
申请日：2020-06-28
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于八度卷积改进U-net网络的图像分割方法，可以用于卵巢CT图像的分割处理。首先构建八度卷积尺度特征融合模块和分层残差跳连模块；再分别用八度卷积和分层残差跳连替代普通卷积和传统的复制跳连，构建基于八度卷积改进U-net网络；分别将进行平均池化后的原始图像与不经处理的原始图像作为低频与高频输入；对构成的网络进行训练，得到分割网络模型；本发明方法结合八度卷积尺度特征融合模块和分层残差跳连模块，与传统卷积神经网络相比，在卷积层以更小的运算量获取更大的感受野和更多不同尺度的特征信息，在跳连部分以残差模块弥补下采样引起的语义差异和信息缺失，从而减少训练时间、提高分割精度，缓解图像分割不足和误分割问题。
-
公开(公告)号：CN111080646A
公开(公告)日：2020-04-28
申请号：CN201911167403.4
申请日：2019-11-25
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于宽激活卷积神经网络的改进图像分割方法。本发明先构建宽激活残差模块和多尺度特征融合模块；将所述的宽激活残差模块和多尺度特征融合模块嵌入到原始卷积神经网络，构建基于宽激活的改进卷积神经网络；对构建的所述基于宽激活的改进卷积神经网络进行训练，得到所需分割网络；本发明方法结合宽激活残差模块和多尺度特征融合模块，与传统卷积神经网络相比，具有更少的训练时间和更高的分割精度，缓解图像分割不足和误分割问题。
-
公开(公告)号：CN111833352B
公开(公告)日：2023-09-05
申请号：CN202010598005.4
申请日：2020-06-28
Applicant: 杭州电子科技大学
IPC: G06T7/10 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于八度卷积改进U‑net网络的图像分割方法，可以用于卵巢CT图像的分割处理。首先构建八度卷积尺度特征融合模块和分层残差跳连模块；再分别用八度卷积和分层残差跳连替代普通卷积和传统的复制跳连，构建基于八度卷积改进U‑net网络；分别将进行平均池化后的原始图像与不经处理的原始图像作为低频与高频输入；对构成的网络进行训练，得到分割网络模型；本发明方法结合八度卷积尺度特征融合模块和分层残差跳连模块，与传统卷积神经网络相比，在卷积层以更小的运算量获取更大的感受野和更多不同尺度的特征信息，在跳连部分以残差模块弥补下采样引起的语义差异和信息缺失，从而减少训练时间、提高分割精度，缓解图像分割不足和误分割问题。
-
公开(公告)号：CN111080646B
公开(公告)日：2023-09-05
申请号：CN201911167403.4
申请日：2019-11-25
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于宽激活卷积神经网络的改进图像分割方法。本发明先构建宽激活残差模块和多尺度特征融合模块；将所述的宽激活残差模块和多尺度特征融合模块嵌入到原始卷积神经网络，构建基于宽激活的改进卷积神经网络；对构建的所述基于宽激活的改进卷积神经网络进行训练，得到所需分割网络；本发明方法结合宽激活残差模块和多尺度特征融合模块，与传统卷积神经网络相比，具有更少的训练时间和更高的分割精度，缓解图像分割不足和误分割问题。
-
-
-
Search Results
4
records
(took 0.017 seconds)
