-
公开(公告)号：CN114445482A
公开(公告)日：2022-05-06
申请号：CN202210112398.2
申请日：2022-01-29
Applicant: 福州大学 , 福建医科大学附属协和医院
Abstract: 本发明涉及一种基于Libra‑RCNN和椭圆形状特征的图像中目标检测方法及系统，该方法包括以下步骤：S1、输入训练集中图像并进行预处理；S2、基于Libra‑RCNN架构设置骨干网络模型信息；S3、通过矩形框标签构建椭圆框标签，并计算椭圆交并比IoU；S4、计算椭圆锚框的长短轴及角度；S5、设置分类损失函数、回归损失函数和角度损失函数；S6、设置不同尺度输出后的Head部分；S7、设置Libra‑RCNN的采样策略为IoU最大值采样策略，并设置相应的IoU阈值；S8、生成网络模型，并通过训练集图像训练网络模型，得到训练好的网络模型；S9、通过训练好的网络模型检测图像，得到目标的相应位置和目标类别。该方法及系统有利于提高对于具有椭圆形状特征目标的检测精度。
-
公开(公告)号：CN113160188A
公开(公告)日：2021-07-23
申请号：CN202110458896.8
申请日：2021-04-27
Applicant: 福州大学
Abstract: 本发明涉及一种基于圆形特征的鲁棒血细胞检测方法。该方法，首先设置模型的相关配置，模型采用YOLO，骨干网络采用抗噪特征提取模块结合Darknet53；通过抗噪特征提取模块实现噪声鲁棒；模型共有三个输出，每个输出的尺度不同，并且分别负责检测不同大小的目标；锚框形状采用圆形；锚框直径通过数据集聚类获得，每个检测头分配3个相应大小的锚框；训练阶段开始后，每张输入图像通过分配器分配正负样本，进行预处理后输入模型，三个检测头得到不同的输出；预先分配好的正负样本根据损失函数分别进行损失计算；最后通过反向传播训练模型；直到模型损失趋于平缓，训练结束，保存参数文件。模型在YOLO的基础上增加了圆形锚框与IOU损失函数，以及抗噪特征提取模块，显著提高了模型对于圆形目标的检测精度和抗噪能力。
-
公开(公告)号：CN114445482B
公开(公告)日：2024-08-02
申请号：CN202210112398.2
申请日：2022-01-29
Applicant: 福州大学 , 福建医科大学附属协和医院
IPC: G06T7/62 , G06T3/4007 , G06V10/762 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/0475 , G06N3/084
Abstract: 本发明涉及一种基于Libra‑RCNN和椭圆形状特征的图像中目标检测方法及系统，该方法包括以下步骤：S1、输入训练集中图像并进行预处理；S2、基于Libra‑RCNN架构设置骨干网络模型信息；S3、通过矩形框标签构建椭圆框标签，并计算椭圆交并比IoU；S4、计算椭圆锚框的长短轴及角度；S5、设置分类损失函数、回归损失函数和角度损失函数；S6、设置不同尺度输出后的Head部分；S7、设置Libra‑RCNN的采样策略为IoU最大值采样策略，并设置相应的IoU阈值；S8、生成网络模型，并通过训练集图像训练网络模型，得到训练好的网络模型；S9、通过训练好的网络模型检测图像，得到目标的相应位置和目标类别。该方法及系统有利于提高对于具有椭圆形状特征目标的检测精度。
-
公开(公告)号：CN113160188B
公开(公告)日：2022-07-05
申请号：CN202110458896.8
申请日：2021-04-27
Applicant: 福州大学
Abstract: 本发明涉及一种基于圆形特征的鲁棒血细胞检测方法。该方法，首先设置模型的相关配置，模型采用YOLO，骨干网络采用抗噪特征提取模块结合Darknet53；通过抗噪特征提取模块实现噪声鲁棒；模型共有三个输出，每个输出的尺度不同，并且分别负责检测不同大小的目标；锚框形状采用圆形；锚框直径通过数据集聚类获得，每个检测头分配3个相应大小的锚框；训练阶段开始后，每张输入图像通过分配器分配正负样本，进行预处理后输入模型，三个检测头得到不同的输出；预先分配好的正负样本根据损失函数分别进行损失计算；最后通过反向传播训练模型；直到模型损失趋于平缓，训练结束，保存参数文件。模型在YOLO的基础上增加了圆形锚框与IOU损失函数，以及抗噪特征提取模块，显著提高了模型对于圆形目标的检测精度和抗噪能力。
-
-
-
Search Results
4
records
(took 0.015 seconds)
