公开(公告)号：CN115496901A

公开(公告)日：2022-12-20

申请号：CN202211140004.0

申请日：2022-09-19

Applicant: 桂林理工大学

Inventor： 叶汉民 ,  王迎雪

IPC: G06V10/26 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 针对陶瓷晶粒两种形状分割不够准确的问题，本发明提出了一种基于改进感受野模块(RFB)的深度神经卷积网络，以提高陶瓷晶粒形状分割的准确性。首先，将原始模块分支中的5×5卷积换成了一个1×3和一个3×1的卷积，并在原始模块上又增加了一个分支，扩大空洞卷积率，提高了特征提取能力。其次，利用金字塔池化模块(PPM)聚合不同区域的上下文信息，从而获得更加可靠的分割结果。最后，将RFB模块和PPM模块集成到U‑Net网络上，构成RFB U‑Net。实验证明，与其他网络相比，本发明使用的方法实现了更高的分割精度，对陶瓷晶粒两种形状的分割也更加精确。

公开(公告)号：CN115496902A

公开(公告)日：2022-12-20

申请号：CN202211140005.5

申请日：2022-09-19

Applicant: 桂林理工大学

Inventor： 叶汉民 ,  王迎雪

IPC: G06V10/26 ,  G06V10/764 ,  G06V10/52 ,  G06V10/80 ,  G06V10/82 ,  A61B5/02

Abstract: 为了更有效地检测出在糖尿病视网膜上发生的微动脉瘤病变，本发明提出了一种基于改进的密集空洞卷积模块的上下文编码网络，通过对糖尿病视网膜病变图片的特征进行提取，提高微动脉瘤检测的准确性。改进的密集空洞卷积模块是将开始的分支从网络中删除，并新加入一个包含更多空洞卷积块的分支，使空洞卷积率r依次递增，感受野也随着r的增加而增加。该网络能够提取不同尺寸的特征，将糖尿病视网膜图片的微动脉瘤病变分割出来。实验是在印度糖尿病视网膜病变图像数据集(IDRID)上进行的。实验结果表明，与许多先进方法相比，本发明方法实现了更小的误差和更高的分割精度。