公开(公告)号：CN112465838A

公开(公告)日：2021-03-09

申请号：CN202011436059.7

申请日：2020-12-10

Applicant: 桂林理工大学

Inventor： 杨铁军 ,  蔡超丽 ,  李纯纯 ,  黄琳

IPC: G06T7/11 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明针对现有技术的应用过程过于复杂且难以复现的技术问题，提出了一种陶瓷晶粒图像分割方法、系统、储存介质及计算机设备，其通过基于编码‑解码模型架构对包括子网络的搜索空间进行限定，将所述搜索空间分为多分支式结构的编码空间以及链式结构的解码空间同时进行神经网络架构搜索，自动为陶瓷晶粒图像分割任务构建出能够融合深浅层特征并对特征图信息进行精细捕获的神经网络模型，其图像分割性能优越，且省去了原来复杂而繁琐的工作量，大幅提高了深度神经网络在陶瓷晶粒图像分割上的应用效率。

公开(公告)号：CN112465838B

公开(公告)日：2023-01-31

申请号：CN202011436059.7

申请日：2020-12-10

Applicant: 桂林理工大学

Inventor： 杨铁军 ,  蔡超丽 ,  李纯纯 ,  黄琳

IPC: G06T7/11 ,  G06V10/764 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明针对现有技术的应用过程过于复杂且难以复现的技术问题，提出了一种陶瓷晶粒图像分割方法、系统、储存介质及计算机设备，其通过基于编码‑解码模型架构对包括子网络的搜索空间进行限定，将所述搜索空间分为多分支式结构的编码空间以及链式结构的解码空间同时进行神经网络架构搜索，自动为陶瓷晶粒图像分割任务构建出能够融合深浅层特征并对特征图信息进行精细捕获的神经网络模型，其图像分割性能优越，且省去了原来复杂而繁琐的工作量，大幅提高了深度神经网络在陶瓷晶粒图像分割上的应用效率。

公开(公告)号：CN113989288A

公开(公告)日：2022-01-28

申请号：CN202111076764.5

申请日：2021-09-14

Applicant: 桂林理工大学

Inventor： 杨铁军 ,  蔡超丽 ,  黄琳

IPC: G06T7/10 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种基于反向通道填充CNN和水平集的色素性皮损图像分割方法，该方法基于反向通道填充CNN和联合后向传播学习算法，基于注意力机制获取目标的大致空间位置，并通过反向通道填充增强目标的空间位置特征，提高了CNN输出目标位置的准确性；进一步，将CNN学习的特征能量输入到水平集分割模型中，驱动水平集演化，建立联合CNN和水平集的后向传播学习算法，进一步提高分割精度。