龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：南昌大学第二附属医院
申请日：2024-05-28
公开（公告）日：2024-06-25
公开（公告）号：CN118247784A
主分类号：G06V20/69
分类号：G06V20/69;G06V10/82;G06V10/80;G06N3/0464;G06N3/082;G06N3/045
优先权：
专利状态码：在审-公开
法律状态：2024.06.25#公开
摘要：本发明公开了一种基于深度卷积神经网络的隐球菌图像识别方法，包括：针对隐球菌图像构建基于YOLOv5的Input‑Backbone‑Neck‑Head‑Output的深度卷积神经网络基准模型；设计可变形卷积神经网络框架与空间金字塔池化特征方法对图像特征进行多尺度池化操作；通过特征金字塔网络与像素聚集网络传递多尺度深层与浅层特征，设计文本增强架构实现多尺度特征自适应融合；设计动态头提取隐球菌动态特征；设计模型失真度驱动的剪枝技术进行轻量化设计；输出隐球菌图像识别结果。本发明通过多尺度特征提取与融合网络架构显著地提高了特征提取精度与能力，并设计网络剪枝技术与动态头提高预测速度与适应性，针对隐球菌图像特征所呈现的多尺度形态与边界特征的识别精度高、识别效率高。
主权项：1.一种基于深度卷积神经网络的隐球菌图像识别方法，其特征在于，所述方法包括：在YOLOv5框架上，针对隐球菌图像构建Input-Backbone-Neck-Head-Output的深度卷积神经网络基础模型；在Backbone架构中，设计可变形卷积神经网络框架获得针对隐球菌图像数据中的多尺度特征图；采用空间金字塔池化特征方法对多尺度特征图进行多尺度池化操作，以提取不同尺度特征信息；在Neck架构中，通过特征金字塔网络自上而下传递不同尺度特征的深层信息，并依据像素聚集网络自下而上地传递浅层信息来弥补特征金字塔网络忽视的浅层信息；将文本增强架构融入特征金字塔网络实现多尺度特征信息的自适应融合；在Head架构中，设计动态头提取针对隐球菌图像动态特征；针对构建得到整个动态卷积神经网络，设计模型失真度驱动的剪枝技术对网络进行轻量化设计，从而显著提高模型识别速度；在Output架构中，输出图片中针对隐球菌的识别结果。
全文数据：
权利要求：
百度查询： 南昌大学第二附属医院 一种基于深度卷积神经网络的隐球菌图像识别方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号