-
公开(公告)号：CN116503385B
公开(公告)日：2023-09-01
申请号：CN202310745450.2
申请日：2023-06-25
Applicant: 吉林大学
IPC: G06T7/00 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 基于虚拟全局代理的糖网眼底图像分级方法和设备，属于图像分级技术领域，解决糖网眼底图像样本分布不均衡造成的模型分级精确度低问题。本发明方法包括：虚拟全局代理方法中根据所有训练样本数据集的分布情况进行虚拟全局代理带点的选择；基于虚拟全局代理方法提出一种线性动态镜像特征合成方法，利用外部存储空间来保存过往的训练样本特征从而使得模型在进行样本特征合成的时候可以利用到全部的数据集特征，根据当前训练批次的状态对外部存储空间中保存的样本特征进行一个动态的调整；同时，还根据当前训练过程中少数类别样本的平均损失占比差值来动态的控制样本的生成。本发明适用于糖网眼底图像分级。
-
公开(公告)号：CN116503428B
公开(公告)日：2023-09-08
申请号：CN202310759859.X
申请日：2023-06-27
Applicant: 吉林大学
Abstract: 基于精细化全局注意力机制图像特征提取方法和分割方法，属于图像分割技术领域，解决图像分割的神经网络中注意力机制对于特征的提取不充分以及参数量过多问题。本发明的方法包括：在计算精细化通道注意力时，在进行特征浓缩时引入了具有不同空洞大小的空洞卷积；将不同空洞大小的空洞卷积共享权重；将深度可分离卷积中的逐通道卷积与空洞卷积结合，使得每一次卷积操作只需要在一个通道上进行计算；在计算精细化空间注意力时，将特征图进行了分组，每一组分别计算注意力权重，最后每一组都能得到一个注意力图。每一组生成的注意力图只对各自组进行权重赋予。本发明适用于医学图像的特征提取和分割。
-
公开(公告)号：CN116503428A
公开(公告)日：2023-07-28
申请号：CN202310759859.X
申请日：2023-06-27
Applicant: 吉林大学
Abstract: 基于精细化全局注意力机制图像特征提取方法和分割方法，属于图像分割技术领域，解决图像分割的神经网络中注意力机制对于特征的提取不充分以及参数量过多问题。本发明的方法包括：在计算精细化通道注意力时，在进行特征浓缩时引入了具有不同空洞大小的空洞卷积；将不同空洞大小的空洞卷积共享权重；将深度可分离卷积中的逐通道卷积与空洞卷积结合，使得每一次卷积操作只需要在一个通道上进行计算；在计算精细化空间注意力时，将特征图进行了分组，每一组分别计算注意力权重，最后每一组都能得到一个注意力图。每一组生成的注意力图只对各自组进行权重赋予。本发明适用于医学图像的特征提取和分割。
-
公开(公告)号：CN116503385A
公开(公告)日：2023-07-28
申请号：CN202310745450.2
申请日：2023-06-25
Applicant: 吉林大学
IPC: G06T7/00 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 基于虚拟全局代理的糖网眼底图像分级方法和设备，属于图像分级技术领域，解决糖网眼底图像样本分布不均衡造成的模型分级精确度低问题。本发明方法包括：虚拟全局代理方法中根据所有训练样本数据集的分布情况进行虚拟全局代理带点的选择；基于虚拟全局代理方法提出一种线性动态镜像特征合成方法，利用外部存储空间来保存过往的训练样本特征从而使得模型在进行样本特征合成的时候可以利用到全部的数据集特征，根据当前训练批次的状态对外部存储空间中保存的样本特征进行一个动态的调整；同时，还根据当前训练过程中少数类别样本的平均损失占比差值来动态的控制样本的生成。本发明适用于糖网眼底图像分级。
-
-
-
Search Results
4
records
(took 0.013 seconds)
