内容提供者
基于多尺度卷积神经网络的舌象点刺识别模型建立与验证（英文）.pptx
2024-10-04
20金币
938KB
18页
快乐****蜜蜂
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18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
基于多尺度卷积神经网络的舌象点刺识别模型建立与验证（英文）.pptx
汇报人：目录PARTONEPARTTWO卷积神经网络原理多尺度卷积神经网络设计模型训练与优化模型评估指标PARTTHREE舌象数据集准备模型在舌象数据集上的表现与其他模型的比较模型泛化能力评估PARTFOUR在中医诊断领域的应用在健康监测领域的应用未来研究方向与挑战THANKYOU
2024-10-04
20
938KB
基于多尺度卷积神经网络的舌象纹理定量分析方法.pdf
本发明公开了一种基于多尺度卷积神经网络的舌象纹理定量分析方法，涉及图像识别处理技术领域。本发明包括如下步骤：步骤S1：构建多尺度卷积神经网络；步骤S2：舌象大数据采集并进行预处理；步骤S3：训练神经网络模型；步骤S4：对舌象进行点刺、瘀斑、齿痕的检测。本发明通过构建多尺度卷积神经网络可一次性检测出舌面图像中点刺、齿痕、裂纹三类不同尺度大小目标，对检测目标提取像素级轮廓区域，并按每种检测目标深浅程度和数量指标对点刺、齿痕、裂纹量化评级，具有专属性强、重复性好、准确度高的优点，能够显著提升检测能力。
2023-08-28
10
3MB
基于多尺度卷积神经网络的胶囊内窥镜出血点快速识别.docx
基于多尺度卷积神经网络的胶囊内窥镜出血点快速识别基于多尺度卷积神经网络的胶囊内窥镜出血点快速识别摘要：胶囊内窥镜（Capsuleendoscopy）广泛应用于胃肠道疾病的早期诊断，但其图像数据庞大且远远超出人类识别能力。本论文提出了一种基于多尺度卷积神经网络的方法，实现胶囊内窥镜图像中出血点的快速识别。首先，利用深度学习模型提取图像特征，然后通过多尺度卷积神经网络来识别出血点。实验结果表明，我们的方法能够达到很高的准确率和召回率，具备在实际临床中应用的潜力。关键词：胶囊内窥镜，多尺度卷积神经网络，出血点识
2024-10-18
5
11KB
基于多尺度卷积神经网络的交通标志识别.docx
基于多尺度卷积神经网络的交通标志识别摘要随着城市化进程的不断加速，交通标志作为交通安全的重要标识，对于现代交通事故的预防、交通管理的规范和道路安全的保障起着至关重要的作用。因此，交通标志识别技术成为了热门研究的方向。现有的交通标志识别方法主要基于人工设计的特征提取器和传统的机器学习算法，但是存在着不足。因此，本文提出了基于多尺度卷积神经网络的交通标志识别方法，实现了对交通标志的高效、准确识别。通过实验验证，本文方法不仅较之前的方法具有更高的识别准确率，还能够适应各种尺度的交通标志。关键词：交通标志识别；深
2024-10-20
5
12KB
一种基于深度学习的舌象点刺识别方法.pdf
本专利涉及人工智能在医疗领域的应用,具体涉及一种基于深度学习的舌象点刺识别方法,包括以下步骤:步骤1:图片裁剪;步骤2:标注点刺;步骤3:图片增强;步骤4:特征提取网络;步骤5:特征融合网络;步骤6:分类网络。本发明可以提高微小或稀少点刺识别的准确率,降低漏诊率,提升医生诊断点刺的效率。
2023-05-05
10
295KB