内容提供者
一种基于深度学习的图像实例分割方法.pdf
2023-05-16
10金币
597KB
14页
书生****瑞梦
实名认证
内容提供者
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10
亲，该文档总共14页，到这已经超出免费预览范围，如果喜欢就直接下载吧～
相关资料
一种基于深度学习的图像实例分割方法.pdf
本发明公开了一种基于深度学习的图像实例分割方法,其方法为:第一步、获取图像样本,构建训练集;第二步、图像实例分割模型的构建,具体过程为:步骤1、将待训练的图像集中每个图像划分为S*S小网格,根据实际应用进行选取;步骤2、通过ResNet?101网络提取图像特征;步骤3、通过基于加权BiFPN构建的特征网络层,将图像特征进行多尺度融合提取;步骤4、构建联合注意力筛选模块;步骤5、得到实例的掩码信息;步骤6、得到图像实例分割模型;第三步、将待分割的图像,利用上述第二步中得到的图像实例分割模型实现实例分割。有益
2023-05-16
10
597KB
一种基于深度学习的图像分割方法.pdf
本发明公开一种基于深度学习的图像分割方法,首先,构建语义分割模型;该语义分割模型由骨干网络、XY网络和全卷积解码网络组成;骨干网络的输入形成语义分割模型的输入,骨干网络的输出连接XY网络的输入,XY网络的输出连接全卷积解码网络的输入,全卷积解码网络的输出语义分割模型的输出;然后,利用已分割好的样本图像集对步骤1所构建的语义分割模型进行训练,得到训练好的语义分割模型;最后,将待分割的图像送入到步骤2所得到的训练好的语义分割模型中,训练好的语义分割模型输出分割好的图片。本发明的XYNet在鲁棒性,评价指标,推
2023-05-09
10
508KB
一种基于深度学习的MRI图像分割方法.pdf
本发明公开一种基于深度学习的MRI图像分割方法。本发明先利用图像数据增强、提取技术，对数据进行扩容，利用形态学的方法，得到前列腺边缘的标签。然后在U‑Net网络基础上加入IBN模块，把maxpool层改成strideconv层，采用2D和3D卷积结合的方法，作为编码部分；在解码部分中，采用两个解码器，其中一个解码器进行前列腺整体的分割预测，另一个解码器进行单独的前列腺边缘的预测。本发明采用了IN和BN相结合的策略，使得模型泛化能力得到加强。同时，把原本下采样的maxpool层改成strideconv层
2023-11-10
10
507KB
基于深度学习的图像分割方法及装置.pdf
本发明公开了一种基于深度学习的图像分割方法及装置，其中，方法包括：使用轮廓数据集对轮廓分支进行训练，并使用带类平衡的交叉熵loss
2023-08-29
10
556KB
基于深度学习的遥感图像的分割方法.pdf
本发明属于图像处理技术领域，具体为基于深度学习的遥感图像的分割方法。本发明方法包括：选取包含若干种地物类别的遥感图像，制作图像分割标签；将大图像裁剪成若干较小的遥感图像，统计每张较小图像中各种类别比例，定义选取规则，保留部分图像，并将其定义为特定类别；利用迁移学习调取大型公开数据集的训练参数，用卷积神经网络训练制作好的分类数据集，训练得到模型参数；对测试图像的所有像素点周围选取多种测试窗口，基于多尺度对像素点进行类别分类；最后去除独立的类别噪声点，将测试结果优化。本发明实用性强，可以将大规模遥感图像快速生
2023-11-13
10
1.9MB