基于卷积神经网络的条状皮肤瘢痕图像分割方法和系统

    公开(公告)号:CN116823852A

    公开(公告)日:2023-09-29

    申请号:CN202310682091.0

    申请日:2023-06-09

    Applicant: 苏州大学

    Inventor: 石霏 周健 夏文涛

    Abstract: 本发明涉及一种基于卷积神经网络的条状皮肤瘢痕图像分割方法和系统,方法包括:获取带有条状皮肤瘢痕的图像;将所述图像输入至U型编解码网络,通过所述U型编解码网络实现对条状皮肤瘢痕进行图像分割;其中,所述U型编解码网络包括SADC模块和GGMC模块,所述SADC模块用于使U型编解码网络聚焦于皮肤瘢痕的条状特征,所述GGMC模块用于增加U型编解码网络对于不同尺度、不同长度的皮肤瘢痕的感知能力。本发明设计的SADC模块使网络更注重瘢痕的条状特征,设计的GGMC模块使得网络对于不同尺度、不同长度的目标都具有较强的感知能力。

    基于卷积神经网络的条状皮肤瘢痕图像分割方法和系统

    公开(公告)号:CN116823852B

    公开(公告)日:2024-07-19

    申请号:CN202310682091.0

    申请日:2023-06-09

    Applicant: 苏州大学

    Inventor: 石霏 周健 夏文涛

    Abstract: 本发明涉及一种基于卷积神经网络的条状皮肤瘢痕图像分割方法和系统,方法包括:获取带有条状皮肤瘢痕的图像;将所述图像输入至U型编解码网络,通过所述U型编解码网络实现对条状皮肤瘢痕进行图像分割;其中,所述U型编解码网络包括SADC模块和GGMC模块,所述SADC模块用于使U型编解码网络聚焦于皮肤瘢痕的条状特征,所述GGMC模块用于增加U型编解码网络对于不同尺度、不同长度的皮肤瘢痕的感知能力。本发明设计的SADC模块使网络更注重瘢痕的条状特征,设计的GGMC模块使得网络对于不同尺度、不同长度的目标都具有较强的感知能力。

    一种基于深度学习的多视图协同图像分割方法和系统

    公开(公告)号:CN116843715A

    公开(公告)日:2023-10-03

    申请号:CN202310742724.2

    申请日:2023-06-21

    Applicant: 苏州大学

    Inventor: 石霏 周健 夏文涛

    Abstract: 本发明涉及一种基于深度学习的多视图协同图像分割方法和系统,方法包括:步骤S1:获取多视角图像;步骤S2:将所述多视角图像输入至深度学习模型,所述深度学习模型通过多视角视图像内在特征的一致性,实现对多视角图像中的同一目标进行图像分割;其中,所述深度学习模型设置有MVFI模块,所述MVFI模块用于实现多视角图像间的特征交互。本发明构建的深度学习模型能够充分利用多视图间的特征一致性来优化视图特征,进而提高分割精度。

    一种基于深度学习的多视图协同图像分割方法和系统

    公开(公告)号:CN116843715B

    公开(公告)日:2024-08-02

    申请号:CN202310742724.2

    申请日:2023-06-21

    Applicant: 苏州大学

    Inventor: 石霏 周健 夏文涛

    Abstract: 本发明涉及一种基于深度学习的多视图协同图像分割方法和系统,方法包括:步骤S1:获取多视角图像;步骤S2:将所述多视角图像输入至深度学习模型,所述深度学习模型通过多视角视图像内在特征的一致性,实现对多视角图像中的同一目标进行图像分割;其中,所述深度学习模型设置有MVFI模块,所述MVFI模块用于实现多视角图像间的特征交互。本发明构建的深度学习模型能够充分利用多视图间的特征一致性来优化视图特征,进而提高分割精度。

Patent Agency Ranking