-
公开(公告)号：CN109215035A
公开(公告)日：2019-01-15
申请号：CN201810775957.1
申请日：2018-07-16
Applicant: 江南大学
IPC: G06T7/11
Abstract: 本发明涉及计算机视觉、机器学习领域，具体涉及一种基于深度学习的脑部MRI海马体三维分割方法，步骤如下：步骤1，对原始图像集A进行了预处理；步骤2，搭建网络模型；脑部MRI海马体三维分割网络模型包括3个一维卷积层、15个三维卷积和4个最大池化层，整个网络模型分为左侧和右侧两部分，左侧的收缩路径用于捕捉图像的内容，右侧的扩张路径用于精准定位。左侧为一个下采样过程，分五组卷积操作进行。步骤3，训练模型；将规范化的图像集E作为训练集来训练步骤2中的脑部MRI海马体三维分割网络模型，得到训练好的用于脑部MRI海马体三维分割的网络模型F。本发明在保证高分割精度的同时，运算速度快而且可扩展性强。
-
Patent Agency Ranking
公开(公告)号：CN109034033A
公开(公告)日：2018-12-18
申请号：CN201810787200.4
申请日：2018-07-16
Applicant: 江南大学
CPC classification number: G06K9/00664 , G06K9/6256 , G06N3/0454
Abstract: 本发明属于目标检测技术领域，具体涉及一种基于改进VGG16卷积网络的排烟视频检测方法，步骤如下：步骤1：生成烟囱排放图像数据集；步骤2，将训练集送入到改进VGG16卷积网络中进行训练，得到多个权重模型。所述的改进VGG16卷积网络的主网络结构是VGG16，最后两个全连接层改成两层卷积层，用于多尺度提取烟囱图像特征，再连接全局均值池化层，生成的矩阵用于结果输出，最后输入到损失函数中进行分类，构造完整的网络结构。本发明检测的速度得到了很大的提升，并且使用不同长宽比的default box，使得多个default box可以适应不同物体的不同形状和尺寸。
-
公开(公告)号：CN108846827B
公开(公告)日：2021-10-15
申请号：CN201810375917.8
申请日：2018-04-16
Applicant: 江南大学
Abstract: 本发明涉及计算机技术领域，具体涉及一种基于多圆快速分割眼底视盘的方法。一种基于多圆快速分割眼底视盘的方法步骤如下：步骤1，基于高亮度和血管特性确定视盘中心；1.1彩色视网膜图像阈值分割；1.2标记候选中心；1.3定位到视盘中心。步骤2，基于多圆最小凸包运算分割视盘；2.1形态学移除血管，形态学移除血管过程采用膨胀操作。2.2 Hough圆变换，采用canny算子双阈值分割处理膨胀视盘后的视盘区域，得到二值化的边缘图像E。2.3多圆最小凸包运算。本发明采用多圆分割视盘的方法，对视盘内部检测到的多个圆进行凸包运算，能有效提高分割的速度和精度。
-
公开(公告)号：CN108846827A
公开(公告)日：2018-11-20
申请号：CN201810375917.8
申请日：2018-04-16
Applicant: 江南大学
Abstract: 本发明涉及计算机技术领域，具体涉及一种基于多圆快速分割眼底视盘的方法。一种基于多圆快速分割眼底视盘的方法步骤如下：步骤1，基于高亮度和血管特性确定视盘中心；1.1彩色视网膜图像阈值分割；1.2标记候选中心；1.3定位到视盘中心。步骤2，基于多圆最小凸包运算分割视盘；2.1形态学移除血管，形态学移除血管过程采用膨胀操作。2.2 Hough圆变换，采用canny算子双阈值分割处理膨胀视盘后的视盘区域，得到二值化的边缘图像E。2.3多圆最小凸包运算。本发明采用多圆分割视盘的方法，对视盘内部检测到的多个圆进行凸包运算，能有效提高分割的速度和精度。
-
公开(公告)号：CN109034033B
公开(公告)日：2021-05-14
申请号：CN201810787200.4
申请日：2018-07-16
Applicant: 江南大学
Abstract: 本发明属于目标检测技术领域，具体涉及一种基于改进VGG16卷积网络的排烟视频检测方法，步骤如下：步骤1：生成烟囱排放图像数据集；步骤2，将训练集送入到改进VGG16卷积网络中进行训练，得到多个权重模型。所述的改进VGG16卷积网络的主网络结构是VGG16，最后两个全连接层改成两层卷积层，用于多尺度提取烟囱图像特征，再连接全局均值池化层，生成的矩阵用于结果输出，最后输入到损失函数中进行分类，构造完整的网络结构。本发明检测的速度得到了很大的提升，并且使用不同长宽比的default box，使得多个default box可以适应不同物体的不同形状和尺寸。
-
公开(公告)号：CN109215035B
公开(公告)日：2021-12-03
申请号：CN201810775957.1
申请日：2018-07-16
Applicant: 江南大学
IPC: G06T7/11
Abstract: 本发明涉及计算机视觉、机器学习领域，具体涉及一种基于深度学习的脑部MRI海马体三维分割方法，步骤如下：步骤1，对原始图像集A进行了预处理；步骤2，搭建网络模型；脑部MRI海马体三维分割网络模型包括3个一维卷积层、15个三维卷积和4个最大池化层，整个网络模型分为左侧和右侧两部分，左侧的收缩路径用于捕捉图像的内容，右侧的扩张路径用于精准定位。左侧为一个下采样过程，分五组卷积操作进行。步骤3，训练模型；将规范化的图像集E作为训练集来训练步骤2中的脑部MRI海马体三维分割网络模型，得到训练好的用于脑部MRI海马体三维分割的网络模型F。本发明在保证高分割精度的同时，运算速度快而且可扩展性强。
-
-
-
-
-
Search Results
6
records
(took 0.015 seconds)
