-
公开(公告)号：CN110060235A
公开(公告)日：2019-07-26
申请号：CN201910236399.6
申请日：2019-03-27
申请人： 天津大学
摘要： 本发明公开了一种基于深度学习的甲状腺结节超声图像分割方法，所述方法包括以下步骤：输入原始甲状腺超声图像，通过感兴趣区域语义分割模型获取感兴趣区域预测图，并将预测图对应到原始甲状腺超声图像中提取感兴趣区域；在人工标记识别模型中输入提取到的甲状腺超声图像感兴趣区域，对感兴趣区域中的结节进行粗定位；将粗定位图像输入甲状腺超声图像结节边缘分割模型，得到结节预测图，画出结节边缘。本发明有效克服了甲状腺结节超声图像分辨率低、干扰信息多带来的分割困难、准确率低等问题，最终大幅提高结节分割的准确性。
-
公开(公告)号：CN110059730A
公开(公告)日：2019-07-26
申请号：CN201910237702.4
申请日：2019-03-27
申请人： 天津大学
摘要： 本发明公开了一种基于胶囊网络的甲状腺结节超声图像分类方法，所述方法包括以下步骤：对甲状腺超声影像进行预处理，通过神经网络结合图像微分识别超声影像中的人工标记；通过边界调整获取用于界定甲状腺结节位置的矩形框；构建胶囊网络应用于甲状腺结节超声影像的分类中，并对胶囊网络结构进行调整；将Dropout加入调整后的胶囊网络中，稳定训练过程、改进分类效果。本发明有效克服传统卷积神经网络分类技术在池化过程中丢失重要信息、训练出的模型不具有平移、旋转不变性等问题，提高了胶囊网络在甲状腺超声影像分类任务中的准确率。
-
公开(公告)号：CN111008986B
公开(公告)日：2023-09-05
申请号：CN201911143990.3
申请日：2019-11-20
申请人： 天津大学
IPC分类号： G06T7/13 , G06T7/12 , G06N3/0464
摘要： 本发明公开一种基于多任务半卷积的遥感图像分割方法，包括以下步骤：步骤一，将原始遥感图像IO进行预处理，去除影像中的干扰因素后得到遥感图像I1；步骤二，构建多任务分割网络，同时对遥感图像进行边界预测和分割预测任务，并对多任务分割网络结构进行调整，以适应具体应用场景；步骤三，将半卷积加入到多任务分割网络中，以进一步提升多任务分割网络效果。本发明通过多任务重用特征和半卷积对边界信息的针对性提取，达到了边界的细化的目的。得益于该方法对边界的细化，本专利中提出的遥感图像分割方法对分割总体准确性有显著提升，在公开数据集测试中，与现有最佳方法提高0.9％，减少了最佳方法中7.9％的细节错误。
-
公开(公告)号：CN111179217A
公开(公告)日：2020-05-19
申请号：CN201911229726.1
申请日：2019-12-04
申请人： 天津大学
摘要： 本发明公开一种基于注意力机制的遥感图像多尺度目标检测方法，针对遥感图像背景复杂、小目标众多，目标尺寸多样化的特点，采用特征金字塔网络进行不同尺度目标的预测。为了更加准确地关注到目标所在区域，在网络中引入注意力机制，有效地提高目标检测精度。其中，包括全局空间注意力模块和像素特征注意力模块。全局空间注意力模块通过从浅层特征中提取空间位置相关信息，并与深层特征融合，强化深层特征的位置表达能力。像素特征注意力模块以多尺度卷积核产生与输入同尺寸的特征图，并以通道注意力的方式为每层特征图赋予权值，得到细节信息表现良好的像素级注意力图在不增加计算量的同时增加了感受野。
-
公开(公告)号：CN111008986A
公开(公告)日：2020-04-14
申请号：CN201911143990.3
申请日：2019-11-20
申请人： 天津大学
摘要： 本发明公开一种基于多任务半卷积的遥感图像分割方法，包括以下步骤：步骤一，将原始遥感图像IO进行预处理，去除影像中的干扰因素后得到遥感图像I1；步骤二，构建多任务分割网络，同时对遥感图像进行边界预测和分割预测任务，并对多任务分割网络结构进行调整，以适应具体应用场景；步骤三，将半卷积加入到多任务分割网络中，以进一步提升多任务分割网络效果。本发明通过多任务重用特征和半卷积对边界信息的针对性提取，达到了边界的细化的目的。得益于该方法对边界的细化，本专利中提出的遥感图像分割方法对分割总体准确性有显著提升，在公开数据集测试中，与现有最佳方法提高0.9％，减少了最佳方法中7.9％的细节错误。
-
-
-
-
搜索结果
5 条记录 (耗时 0.022 秒)
