公开(公告)号：CN107506796A

公开(公告)日：2017-12-22

申请号：CN201710739100.X

申请日：2017-08-25

Applicant: 电子科技大学

Inventor： 程建 ,  朱晓雅 ,  张建 ,  张泽厚 ,  周娇

IPC: G06K9/62 ,  G06K9/66 ,  G06T7/00 ,  G06F19/00

Abstract: 本发明公开了一种基于深度森林的阿尔兹海默病分类方法，属于医学图像分类预测领域，将检测阿尔兹海默病的MRI图像作为多粒度扫描的输入，所述多粒度扫描的输出连接级联森林，所述级联森林输出MRI图像的一个类向量，完成深度森林模型的构建；对若干已知类别的MRI图像进行预处理；所述深度森林模型扩展一级，则利用预处理后的MRI图像进行训练和测试，当测试结果没有显著提高，则完成训练，否则扩展下一级继续训练；将预处理后待分类的MRI图像输入到训练完成的深度森林，输出得到该MRI图像的分类结果；该方法大大提高了阿尔兹海默病的识别率。

公开(公告)号：CN107480726A

公开(公告)日：2017-12-15

申请号：CN201710739098.6

申请日：2017-08-25

Applicant: 电子科技大学

Inventor： 程建 ,  张建 ,  朱晓雅 ,  张泽厚

IPC: G06K9/62 ,  G06N3/04

CPC classification number: G06K9/628 ,  G06N3/0454

Abstract: 本发明公开一种基于全卷积和长短期记忆单元的场景语义分割方法，涉及图像处理技术领域，包括如下步骤：S1：构建基于全卷积、金字塔池化模块与长短期记忆单元模块的深度神经网络；S2：比对预测图像和标注图像，并以Softmax损失为目标函数、随机梯度下降为优化方法进行训练，对步骤1得到的深度神经网络进行权值更新；S3：多次进行步骤S2，直到损失下降到无法下降时结束训练；S4：输入新的场景图像至已训练好的深度神经网络，并做双线性插值到原图分辨率，得到该场景的语义分割结果。本发明解决了目前场景图像分割准确率低、图像中目标过分割和欠分割的问题。