-
公开(公告)号：CN118351305A
公开(公告)日：2024-07-16
申请号：CN202410427142.X
申请日：2024-04-10
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于频域与空间域信息融合的实时实例分割方法，首先设置模型训练的损失函数；然后，采用带动量的随机梯度下降算法作为优化方法，并采用了非极大值抑制算法消除重复检测；接着，搭建由多个残差块堆叠组成的ResNet50残差网络架构作为主干网络；然后，采用改进的双向特征金字塔结构对后三个卷积模块的特征图进行操作融合语义信息，并引入频域表示以获得更准确全局信息；最后，将完成信息融合的最后一层特征图输入到掩模分支，使用改进的频域表示特征融合方法将得到的掩模系数和原型掩模特征图相结合，得到目标物体的位置坐标、类别信息和像素分割结果。本发明在实时(每秒超过30帧)的基础上有效地提高了图像的分割精度，且结构合理。
-
公开(公告)号：CN117689669B
公开(公告)日：2024-08-27
申请号：CN202311542338.5
申请日：2023-11-17
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于结构自适应上下文敏感的视网膜血管分割方法。首先对数据集进行灰度化、归一化、对比度受限自适应直方图均衡、伽马校正等预处理；然后，对训练集进行图片尺寸分割以完成数据增强；接着，搭建由收缩路径和扩张路径组成的全卷积神经网络架构；最后，采用提出的结构自适应层替代卷积层来替代普通卷积、跳接层引入提出的空洞残差路径以及解码器中添加自适应特征融合模块，并引入多尺度深度监督机制，得到结构自适应上下文敏感网络，并将测试数据输入到该网络中快速测试完成图像分割。本发明有效地提高了视网膜血管的分割精度，且结构合理，提高了网络在复杂背景下处理形态差异较大的血管的能力以及末端毛细血管分割的准确性。
-
公开(公告)号：CN117689669A
公开(公告)日：2024-03-12
申请号：CN202311542338.5
申请日：2023-11-17
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于结构自适应上下文敏感的视网膜血管分割方法。首先对数据集进行灰度化、归一化、对比度受限自适应直方图均衡、伽马校正等预处理；然后，对训练集进行图片尺寸分割以完成数据增强；接着，搭建由收缩路径和扩张路径组成的全卷积神经网络架构；最后，采用提出的结构自适应层替代卷积层来替代普通卷积、跳接层引入提出的空洞残差路径以及解码器中添加自适应特征融合模块，并引入多尺度深度监督机制，得到结构自适应上下文敏感网络，并将测试数据输入到该网络中快速测试完成图像分割。本发明有效地提高了视网膜血管的分割精度，且结构合理，提高了网络在复杂背景下处理形态差异较大的血管的能力以及末端毛细血管分割的准确性。
-
-
Search Results
3
records
(took 0.016 seconds)
