申请/专利权人:三峡大学
申请日:2024-03-29
公开(公告)日:2024-06-25
公开(公告)号:CN118247249A
主分类号:G06T7/00
分类号:G06T7/00;G06V10/82;G06V10/25;G06V10/26;G06V10/42;G06V10/44;G06V10/764;G06N3/045;G06N3/0464
优先权:
专利状态码:在审-公开
法律状态:2024.06.25#公开
摘要:本申请提供一种融合空洞空间卷积和注意力机制的龋齿检测方法,包括:S1、构建龋齿检测的数据集;S2、构建CAASN‑dcDet龋齿检测网络模型;S3、训练CAASN‑dcDet网络;S4、对待检测目标进行检测。本发明所述的CAASN‑dcDet网络模型由BackboneNetwork、NeckNetwork和HeadNetwork三个主要模块化网络构成。其中,骨干特征提取网络采用的是cs3darknet_m网络,提取出丰富有效的龋齿图像特征。在NeckNetwork首部引入CoordinateAttention注意力机制,使网络模型更加关注于小面积龋齿特征信息,同时在较小计算开销的前提下更加精准的定位龋齿。在NeckNetwork中部加入ASPP_Nonlocalmodule模块,使网络拥丰富的全局信息,提高整体网络对大面积龋齿的识别与分割准确率。CAASN‑dcDet网络模型将识别与分割融合为一个整体,可以同时有效的实现龋齿的识别与分割功能。
主权项:1.一种融合空洞空间卷积和注意力机制的龋齿检测方法,其特征在于包括以下步骤:S1、构建龋齿检测的数据集;S2、构建CAASN-dcDet龋齿检测网络模型;S3、训练CAASN-dcDet网络;S4、对待检测目标进行检测。
全文数据:
权利要求:
百度查询: 三峡大学 一种融合空洞空间卷积和注意力机制的龋齿检测方法
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。