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：清华大学
申请日：2024-04-11
公开（公告）日：2024-06-28
公开（公告）号：CN118262001A
主分类号：G06T11/00
分类号：G06T11/00;G06T5/94;G06T5/60;G06N3/0464;G06N3/048;G06N3/08
优先权：
专利状态码：在审-公开
法律状态：2024.06.28#公开
摘要：本发明提出一种基于深度学习的板状物体层析图像层间混叠伪影去除方法，该方法包括构建训练数据集，训练数据集包括含混叠伪影的板状物体二维图像组和标签二维图像，标签二维图像由标签数据提取得到，标签数据基于实验中的板状物体的各器件的无混叠伪影三维图像随机组合得到；基于深度学习构建去混叠伪影网络模型，利用训练数据集训练去混叠伪影网络模型以得到训练好的去混叠伪影网络模型；获取目标板状物体的CL扫描数据，对目标板状物体进行CL重建和提取以得到所有的目标板状物体二维图像组；将各目标板状物体二维图像组分别输入训练好的去混叠伪影网络模型得到目标板状物体的去混叠伪影的层析图像。
主权项：1.一种基于深度学习的板状物体层析图像层间混叠伪影去除方法，其特征在于，包括：构建训练数据集，所述训练数据集包括含混叠伪影的板状物体二维图像组和标签二维图像，所述标签二维图像由标签数据提取得到，所述标签数据基于实验中的板状物体的各器件的无混叠伪影三维图像随机组合得到；基于深度学习构建去混叠伪影网络模型，利用所述训练数据集训练所述去混叠伪影网络模型以得到训练好的去混叠伪影网络模型；获取目标板状物体的CL扫描数据，对所述目标板状物体进行CL重建和提取以得到所有的目标板状物体二维图像组；将各目标板状物体二维图像组分别输入训练好的去混叠伪影网络模型得到目标板状物体的去混叠伪影的层析图像。
全文数据：
权利要求：
百度查询： 清华大学 基于深度学习的板状物体层析图像层间混叠伪影去除方法
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