-
公开(公告)号：CN111681232B
公开(公告)日：2023-03-10
申请号：CN202010525675.3
申请日：2020-06-10
Applicant: 厦门理工学院
IPC: G06T7/00 , G06V10/26 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于语义分割的工业焊接图像缺陷的检测方法，包括：获取存在焊接缺陷的工业焊接图像；根据焊接缺陷规范对焊接缺陷进行像素级别标注，以生成焊接缺陷训练样本集；建立焊接缺陷分割模型，并使用焊接缺陷训练样本集进行深度学习训练；利用深度学习训练后的焊接缺陷分割模型对工业焊接图像进行焊接缺陷检测。该基于语义分割的工业焊接图像缺陷的检测方法目的是解决复杂场景下无法进行焊接缺陷自动检测的问题。
-
-
公开(公告)号：CN113674292B
公开(公告)日：2023-08-01
申请号：CN202110941684.5
申请日：2021-08-17
IPC: G06V10/26 , G06N3/0464 , G06N3/08 , G16H30/20 , G06T7/00
Abstract: 本发明公开一种基于部分实例标注的半监督骨髓瘤细胞实例分割方法，包括：对已确诊的骨髓瘤显微图像中的部分骨髓瘤细胞实例进行标注，生成第一轮骨髓瘤细胞实例分割数据集；使用第一轮骨髓瘤细胞实例分割数据集对骨髓瘤细胞实例分割模型进行第一轮深度学习训练；使用第一轮深度学习训练后的模型对未标注的骨髓瘤细胞实例进行分割，生成第二轮骨髓瘤细胞实例分割数据集；使用第二轮骨髓瘤细胞实例分割数据集对第一轮训练后的模型进行第二轮深度学习训练；使用第二轮深度学习训练后的模型对其他骨髓瘤显微图像的骨髓瘤细胞实例进行分割。本发明的骨髓瘤细胞实例分割方法，降低了人工分割骨髓瘤细胞的标注成本，且具有较高的分割召回率。
-
公开(公告)号：CN113674292A
公开(公告)日：2021-11-19
申请号：CN202110941684.5
申请日：2021-08-17
Abstract: 本发明公开一种基于部分实例标注的半监督骨髓瘤细胞实例分割方法，包括：对已确诊的骨髓瘤显微图像中的部分骨髓瘤细胞实例进行标注，生成第一轮骨髓瘤细胞实例分割数据集；使用第一轮骨髓瘤细胞实例分割数据集对骨髓瘤细胞实例分割模型进行第一轮深度学习训练；使用第一轮深度学习训练后的模型对未标注的骨髓瘤细胞实例进行分割，生成第二轮骨髓瘤细胞实例分割数据集；使用第二轮骨髓瘤细胞实例分割数据集对第一轮训练后的模型进行第二轮深度学习训练；使用第二轮深度学习训练后的模型对其他骨髓瘤显微图像的骨髓瘤细胞实例进行分割。本发明的骨髓瘤细胞实例分割方法，降低了人工分割骨髓瘤细胞的标注成本，且具有较高的分割召回率。
-
公开(公告)号：CN113379764A
公开(公告)日：2021-09-10
申请号：CN202110621825.5
申请日：2021-06-02
Applicant: 厦门理工学院
Abstract: 本发明涉及一种基于域对抗自监督学习的病理图像分割方法。包括：获取病理图像建立病理图像自监督数据集；建立域对抗自监督模型；使用病理图像自监督数据集对域对抗自监督模型进行深度学习训练；建立病理图像分割模型；使用经过深度学习后的域对抗自监督模型对病理图像分割模型进行初始化；对病理图像中的病灶区域进行像素级别标注建立病理图像分割数据集；使用病理图像分割数据集对病理图像分割模型进行深度学习训练；使用深度学习训练后的病理图像分割模型对病理图像的未知病灶区域进行分割。本发明方法，采用域对抗自监督学习的方法，有效缓解了分割模型对大量人工标注的依赖并解决了模型在不同域上分割性能波动的问题。
-
Patent Agency Ranking
公开(公告)号：CN112258480A
公开(公告)日：2021-01-22
申请号：CN202011144599.8
申请日：2020-10-23
Applicant: 厦门理工学院
Abstract: 本发明涉及一种基于点标注的弱监督腺体实例分割方法。包括：获取结肠组织病理学图像；对图像中存在的腺体实例进行点标注，生成腺体点检测训练样本集；建立腺体点检测模型；使用腺体点检测训练样本集对腺体点检测模型进行深度学习训练；利用深度学习训练后的腺体点检测模型预测结肠组织病理学图像中的高置信点，生成腺体实例分割训练样本集；建立腺体实例分割模型；使用腺体实例分割训练样本集对腺体实例分割模型进行深度学习训练；使用深度学习训练后的腺体实例分割模型对结肠组织病理学图像的腺体实例进行分割。本发明方法实现了结肠组织病理学图像中腺体实例的自动分割，降低了结肠癌诊断中人工分割腺体的数据标注成本。
-
公开(公告)号：CN111681232A
公开(公告)日：2020-09-18
申请号：CN202010525675.3
申请日：2020-06-10
Applicant: 厦门理工学院
Abstract: 本发明公开了一种基于语义分割的工业焊接图像缺陷的检测方法，包括：获取存在焊接缺陷的工业焊接图像；根据焊接缺陷规范对焊接缺陷进行像素级别标注，以生成焊接缺陷训练样本集；建立焊接缺陷分割模型，并使用焊接缺陷训练样本集进行深度学习训练；利用深度学习训练后的焊接缺陷分割模型对工业焊接图像进行焊接缺陷检测。该基于语义分割的工业焊接图像缺陷的检测方法目的是解决复杂场景下无法进行焊接缺陷自动检测的问题。
-
公开(公告)号：CN113379764B
公开(公告)日：2023-06-02
申请号：CN202110621825.5
申请日：2021-06-02
Applicant: 厦门理工学院
Abstract: 本发明涉及一种基于域对抗自监督学习的病理图像分割方法。包括：获取病理图像建立病理图像自监督数据集；建立域对抗自监督模型；使用病理图像自监督数据集对域对抗自监督模型进行深度学习训练；建立病理图像分割模型；使用经过深度学习后的域对抗自监督模型对病理图像分割模型进行初始化；对病理图像中的病灶区域进行像素级别标注建立病理图像分割数据集；使用病理图像分割数据集对病理图像分割模型进行深度学习训练；使用深度学习训练后的病理图像分割模型对病理图像的未知病灶区域进行分割。本发明方法，采用域对抗自监督学习的方法，有效缓解了分割模型对大量人工标注的依赖并解决了模型在不同域上分割性能波动的问题。
-
公开(公告)号：CN111681231B
公开(公告)日：2023-04-18
申请号：CN202010525671.5
申请日：2020-06-10
Applicant: 厦门理工学院
IPC: G06T7/00 , G06V10/25 , G06V10/774 , G06V10/82 , G06N3/04
Abstract: 本发明公开了一种基于目标检测的工业焊接图像缺陷的检测方法，包括获取工业焊接图像；依据工业焊接图像中存在的焊接缺陷生成训练样本集；建立焊接缺陷检测模型；依据训练样本集对焊接缺陷检测模型进行深度学习训练；利用深度学习训练后的焊接缺陷检测模型对工业焊接图像进行焊接缺陷检测。该基于目标检测的工业焊接图像缺陷的检测方法目的是解决人工焊接缺陷检测工作的漏检错检、过程繁琐的问题。
-
公开(公告)号：CN111681231A
公开(公告)日：2020-09-18
申请号：CN202010525671.5
申请日：2020-06-10
Applicant: 厦门理工学院
Abstract: 本发明公开了一种基于目标检测的工业焊接图像缺陷的检测方法，包括获取工业焊接图像；依据工业焊接图像中存在的焊接缺陷生成训练样本集；建立焊接缺陷检测模型；依据训练样本集对焊接缺陷检测模型进行深度学习训练；利用深度学习训练后的焊接缺陷检测模型对工业焊接图像进行焊接缺陷检测。该基于目标检测的工业焊接图像缺陷的检测方法目的是解决人工焊接缺陷检测工作的漏检错检、过程繁琐的问题。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.019 seconds)
