-
公开(公告)号：CN117745745A
公开(公告)日：2024-03-22
申请号：CN202410180218.3
申请日：2024-02-18
申请人： 湖南大学
IPC分类号： G06T7/11 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
摘要： 本发明公开了一种基于上下文融合感知的CT图像分割方法，构建包含具有编码器和解码器的骨干结构、并行空洞卷积模块PDCM、金字塔融合模块PFM和位置注意力模块PAM的CT图像分割模型，利用交叉熵和骰子损失作为混合损失来优化模型；利用编码器对输入图像进行编码，输出不同阶段的编码结果；利用PFM模块分别对不同阶段的编码结果级联并通过不同速率的可分离空洞卷积进行上下文特征融合，将输出与同阶段解码器跳接；利用PDCM模块对编码器最终输出的特征图通过六个不同的分支增强融合，对高阶特征映射经过改造后送入解码器；利用PAM模块对解码器输出的各阶段特征图通过多层位置注意力定位并分割出目标。提高了目标分割的准确率。
-
公开(公告)号：CN113763433A
公开(公告)日：2021-12-07
申请号：CN202111316726.2
申请日：2021-11-09
申请人： 湖南大学
摘要： 本发明公开了一种玻璃瓶跟踪计数系统，包括视觉成像模块、运动控制模块、信息处理模块，视觉成像模块和运动控制模块连接信息处理模块，信息处理模块用于输入开启信号至运动控制模块；输入停止信号至运动控制模块；以及接收视觉成像模块发送的视频图像，根据玻璃瓶跟踪计数方法对更新后的Tracks进行ID标注完成计数；运动控制模块用于根据接收的开启信号控制传送带带动传送带上玻璃瓶在预设边界范围内往返运动；以及根据接收的停止信号停止运动；视觉成像模块用于采集往返运动的玻璃瓶的视频图像，并发送至信息处理模块。有效提升玻璃瓶瓶口跟踪计数的速度与准确度。
-
公开(公告)号：CN114972756B
公开(公告)日：2024-07-19
申请号：CN202210597474.3
申请日：2022-05-30
申请人： 湖南大学
摘要： 本发明涉及计算机视觉领域，具体涉及一种医学图像的语义分割方法及装置，该方法包括S1.构建医学图像语义分割模型；S2.利用编码器对输入图像进行编码，输出不同阶段的编码结果，编码器在各阶段输出的编码结果尺度不同；S3.利用DMC模块分别对各阶段的编码结果以乘法的方式进行特征融合，并输出各阶段的特征图；S4.利用LPA模块处理各阶段的特征图，获得各阶段的注意力图；S5.利用解码器融合LPA模块各阶段输出的注意力图，得到与输入图像尺寸相同的分割结果。本发明能够提高医学图像分割的精度。
-
公开(公告)号：CN117745745B
公开(公告)日：2024-05-10
申请号：CN202410180218.3
申请日：2024-02-18
申请人： 湖南大学
IPC分类号： G06T7/11 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
摘要： 本发明公开了一种基于上下文融合感知的CT图像分割方法，构建包含具有编码器和解码器的骨干结构、并行空洞卷积模块PDCM、金字塔融合模块PFM和位置注意力模块PAM的CT图像分割模型，利用交叉熵和骰子损失作为混合损失来优化模型；利用编码器对输入图像进行编码，输出不同阶段的编码结果；利用PFM模块分别对不同阶段的编码结果级联并通过不同速率的可分离空洞卷积进行上下文特征融合，将输出与同阶段解码器跳接；利用PDCM模块对编码器最终输出的特征图通过六个不同的分支增强融合，对高阶特征映射经过改造后送入解码器；利用PAM模块对解码器输出的各阶段特征图通过多层位置注意力定位并分割出目标。提高了目标分割的准确率。
-
公开(公告)号：CN116912503B
公开(公告)日：2023-12-01
申请号：CN202311181827.2
申请日：2023-09-14
申请人： 湖南大学
IPC分类号： G06V10/26 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06V10/42 , G06V10/80 , G06V10/82
摘要： 本发明公开了一种基于层级融合策略的多模态MRI脑肿瘤语义分割方法，包括构建多模态脑肿瘤语义分割模型，模型包括具有多分支编码器与单一分支解码器的骨干结构、多模态融合模块MMF、多分支聚合模块MBA和大核卷积跳跃连接模块LKC；多分支编码器对不同模态输入图像进行编码输出对应的编码结果；MMF模块对编码结果进行拼接并提取多模态特征表示，通过通道注意力和高斯调制函数得到对应模态的特征图；MBA模块聚合最后阶段的对应模态的特征图，对多模态特征图进行处理后送入解码器；LKC模块连接对应阶段的特征图与解码器在对应阶段输出的特征图，由解码器的解码路径生成多模态脑(56)对比文件Hao Du等.SinPA-Net:Swin Transformer-Based Multiscale Feature PyramidAggregation Network for Medical ImageSegmentation.IEEE Transactions on NeuralNetworks and Learning Systems.2022,全文.
-
公开(公告)号：CN116912503A
公开(公告)日：2023-10-20
申请号：CN202311181827.2
申请日：2023-09-14
申请人： 湖南大学
IPC分类号： G06V10/26 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06V10/42 , G06V10/80 , G06V10/82
摘要： 本发明公开了一种基于层级融合策略的多模态MRI脑肿瘤语义分割方法，包括构建多模态脑肿瘤语义分割模型，模型包括具有多分支编码器与单一分支解码器的骨干结构、多模态融合模块MMF、多分支聚合模块MBA和大核卷积跳跃连接模块LKC；多分支编码器对不同模态输入图像进行编码输出对应的编码结果；MMF模块对编码结果进行拼接并提取多模态特征表示，通过通道注意力和高斯调制函数得到对应模态的特征图；MBA模块聚合最后阶段的对应模态的特征图，对多模态特征图进行处理后送入解码器；LKC模块连接对应阶段的特征图与解码器在对应阶段输出的特征图，由解码器的解码路径生成多模态脑肿瘤图像分割图。实现目标区域的精准识别分割。
-
公开(公告)号：CN114972756A
公开(公告)日：2022-08-30
申请号：CN202210597474.3
申请日：2022-05-30
申请人： 湖南大学
摘要： 本发明涉及计算机视觉领域，具体涉及一种医学图像的语义分割方法及装置，该方法包括S1.构建医学图像语义分割模型；S2.利用编码器对输入图像进行编码，输出不同阶段的编码结果，编码器在各阶段输出的编码结果尺度不同；S3.利用DMC模块分别对各阶段的编码结果以乘法的方式进行特征融合，并输出各阶段的特征图；S4.利用LPA模块处理各阶段的特征图，获得各阶段的注意力图；S5.利用解码器融合LPA模块各阶段输出的注意力图，得到与输入图像尺寸相同的分割结果。本发明能够提高医学图像分割的精度。
-
公开(公告)号：CN118864562A
公开(公告)日：2024-10-29
申请号：CN202411345689.1
申请日：2024-09-26
申请人： 湖南大学
IPC分类号： G06T7/593 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08 , G06V10/80
摘要： 本发明公开了一种基于逐级长程捕捉与细节恢复的轻量双目立体匹配方法，构建轻量双目立体匹配模型并优化模型；获取输入图像，经过轻量特征提取器提取输入视图的特征获取分辨率不同的一组特征；级联与组代价体构建模块用于根据提取的特征分别构建不同尺度的级联代价体与组代价体；密集尺度感知融合模块通过迭代的方式对不同尺度的组代价体进行融合和上采样；长程感知融合模块使用组代价体约束级联代价体，获取新的融合后的代价体特征，再使用沙漏型的卷积模块进行聚合，将之上采样并与对应的新组代价体融合，得到最终的代价体；对最终代价体使用稀疏视差回归，并使用上采样方法恢复最终分辨率的视差图。模型超轻量，且有效提高实时性和泛化性能。
-
-
-
-
-
-
-
搜索结果
8 条记录 (耗时 0.022 秒)
