-
公开(公告)号：CN117197166B
公开(公告)日：2024-02-06
申请号：CN202311461228.6
申请日：2023-11-06
申请人： 中南大学
IPC分类号： G06T7/12 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/084 , G06T7/00 , G06T7/187 , G06V10/40 , G06V10/80
摘要： 本发明公开了一种基于边缘和邻域信息的息肉图像分割方法，包括获取息肉图像数据信息并标注；进行息肉边缘提取和息肉邻域提取得到息肉区域边缘标签和息肉区域邻域标签；进行随机数据增强得到训练数据集；构建得到息肉图像分割初始模型并采用训练数据集训练得到息肉图像分割模型；采用息肉图像分割模型进行实际的息肉图像分割。本发明还公开了一种包括所述基于边缘和邻域信息的息肉图像分割方法的系统。本发明不仅能够实现息肉图像的分割，而且分割准确性更好，分割边缘更加清晰，可靠性更高，精确性更好，分割效果更好。(56)对比文件Zailiang Chen等.FDCT: Fusion-GuidedDual-View Consistency Training for semi-supervised tissue segmentation on MRI.《Computers in Biology and Medicine》.2023,第106908页.魏晓雍等.基于分割融合算法的WCE 过曝光图像修正研究《.通信技术》.2021,第54卷(第5期),第1095-1102页.Yeganeh Jalali等.ResBCDU-Net: A DeepLearning Framework for Lung CT ImageSegmentation《.sensors》.2021,第1-24页.
-
公开(公告)号：CN107741568B
公开(公告)日：2019-12-31
申请号：CN201711093872.7
申请日：2017-11-08
申请人： 中南大学 , 东莞博力威电池有限公司
摘要： 一种基于状态转移优化RBF神经网络的锂电池SOC估算方法。本发明公开了一种基于状态转移优化RBF神经网络的锂电池SOC估算方法，它涉及到电动汽车技术领域。其中，该方法包括：(1)采集离线训练样本数据，对所有训练样本进行归一化处理；(2)建立基于RBF神经网络的锂电池SOC估算模型；(3)采用STA优化算法对所建立的RBF神经网络模型进行优化；(4)保存训练好的RBF网络结构以及各参数值，将训练好的RBF网络用于磷酸铁锂电池SOC的估算；本发明可以准确的估算锂电池SOC，具有估算精度高、可靠性强、估算模型简单等特点，可广泛应用于电动汽车动力电池技术领域。
-
公开(公告)号：CN107741568A
公开(公告)日：2018-02-27
申请号：CN201711093872.7
申请日：2017-11-08
申请人： 中南大学 , 东莞博力威电池有限公司
摘要： 一种基于状态转移优化RBF神经网络的锂电池SOC估算方法。本发明公开了一种基于状态转移优化RBF神经网络的锂电池SOC估算方法，它涉及到电动汽车技术领域。其中，该方法包括：(1)采集离线训练样本数据，对所有训练样本进行归一化处理；(2)建立基于RBF神经网络的锂电池SOC估算模型；(3)采用STA优化算法对所建立的RBF神经网络模型进行优化；(4)保存训练好的RBF网络结构以及各参数值，将训练好的RBF网络用于磷酸铁锂电池SOC的估算；本发明可以准确的估算锂电池SOC，具有估算精度高、可靠性强、估算模型简单等特点，可广泛应用于电动汽车动力电池技术领域。
-
公开(公告)号：CN117197166A
公开(公告)日：2023-12-08
申请号：CN202311461228.6
申请日：2023-11-06
申请人： 中南大学
IPC分类号： G06T7/12 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/084 , G06T7/00 , G06T7/187 , G06V10/40 , G06V10/80
摘要： 本发明公开了一种基于边缘和邻域信息的息肉图像分割方法，包括获取息肉图像数据信息并标注；进行息肉边缘提取和息肉邻域提取得到息肉区域边缘标签和息肉区域邻域标签；进行随机数据增强得到训练数据集；构建得到息肉图像分割初始模型并采用训练数据集训练得到息肉图像分割模型；采用息肉图像分割模型进行实际的息肉图像分割。本发明还公开了一种包括所述基于边缘和邻域信息的息肉图像分割方法的系统。本发明不仅能够实现息肉图像的分割，而且分割准确性更好，分割边缘更加清晰，可靠性更高，精确性更好，分割效果更好。
-
-
-
搜索结果
4 条记录 (耗时 0.023 秒)
