龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：江西师范大学
摘要：本发明公开了一种基于边界引导的多级注意力网络的息肉图像分割方法，包括：S1：构建数据集；S2：构建基于边界引导的多级注意力网络，获取图像的多级特征;S3:多尺度特征提取模块获取压缩通道的多尺度特征;S4：并行部分解码器中获取全局特征图；S5：通过边界感知模块获取边界感知特征；S6：获取分别关注息肉图像不同区域的分割特征图、分割特征图和分割特征图；S7：构建损失函数，最小化损失函数以优化基于边界引导的多级注意力网络的参数，生成清晰的息肉边界。本发明有效融合低级特征和高级全局特征，实现了低‑高级特征的互补，有效解决了模糊息肉边界对模型的影响。
主权项：1.一种基于边界引导的多级注意力网络的息肉图像分割方法，其特征在于，包括：步骤S1：构建数据集，数据集包括若干息肉图像；步骤S2：构建基于边界引导的多级注意力网络，基于边界引导的多级注意力网络包括金字塔视觉Transformer-PVT-v2骨干、多尺度特征提取模块、并行部分解码器、边界感知模块和基于边界引导的多级注意力模块，导入步骤S1中数据集的图像至金字塔视觉Transformer-PVT-v2骨干，获取图像的多级特征，分别为第一多级特征、第二多级特征、第三多级特征和第四多级特征;步骤S3:导入步骤S2的图像的多级特征至多尺度特征提取模块，获取压缩通道的多尺度特征，分别为第一多尺度特征、第二多尺度特征、第三多尺度特征和第四多尺度特征;步骤S4：导入步骤S3的多尺度特征至并行部分解码器中，获取全局特征图；步骤S5：通过边界感知模块先后对步骤S4的全局特征图和步骤S3的多尺度特征、和使用卷积操作和加法操作获取聚合特征，分别为第二聚合特征,第三聚合特征和第四聚合特征;将步骤S3中的第一多尺度特征和第二聚合特征进行融合，获取边界感知特征；步骤S6：通过基于边界引导的多级注意力模块将步骤S3的多尺度特征、步骤S4的全局特征图、步骤S5的边界感知特征进行多级注意力的特征增强，获取分别关注息肉图像不同区域的分割特征图、分割特征图和分割特征图；步骤S7：构建损失函数，最小化损失函数以优化基于边界引导的多级注意力网络的参数。
全文数据：
权利要求：
百度查询： 江西师范大学 一种基于边界引导的多级注意力网络的息肉图像分割方法
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