公开(公告)号：CN117611810A

公开(公告)日：2024-02-27

申请号：CN202311457394.9

申请日：2023-11-03

Applicant: 桂林电子科技大学

Inventor： 陶晓玲 ,  王磊 ,  李为坤 ,  陈晓婕 ,  胡经飞 ,  沐俊瑶 ,  韩林男 ,  谢春燕

IPC: G06V10/26 ,  G06V10/80 ,  G06V20/56 ,  G06V10/82

Abstract: 本发明涉及图像分割技术领域，具体涉及一种基于Segformer的轻量化道路图像分割方法，针对Segformer模型存在的问题，基于交叉特征融合网络进行改进，在第一层中引入语义特征融合模块(semantic‑feature fusion，SFF)，在第二层中采用坐标注意力模块(coordinate attention，CA)，第三层中采用门控注意力机制模块(gated‑attention mechanism，GAM)，第四层中使用利用SENet模块重新校准特征映射，最后输送到语义分割解码器预测图像中各个像素的语义类别，本发明在不同情况下的语义特征融合分别采用了SFF和GAM模块，使分割效果更连续，更细化，同时采用了两种注意力模块CA和SENet，帮助模型精准地定位和识别感兴趣的目标，以少量的参数量和计算量保证高效且精准的图像分割，提高了自动驾驶时的实时性。

公开(公告)号：CN116883341A

公开(公告)日：2023-10-13

申请号：CN202310802870.X

申请日：2023-07-03

Applicant: 桂林电子科技大学

Inventor： 陶晓玲 ,  贾茂宁 ,  李为坤 ,  杨晨 ,  赵琳琳 ,  于越康 ,  谢春燕 ,  谢泽宇

IPC: G06T7/00 ,  G06T7/11 ,  G06V10/42 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/82

Abstract: 本发明涉及数字医疗技术领域，具体涉及一种基于深度学习的肝脏肿瘤CT图像自动分割方法，包括如下步骤：提取待分割CT图像；利用多尺度特征识别网络，提取所述待分割CT图像的多尺度特征；利用注意力机制网络，通过所述多尺度特征识别所述待分割CT图像中的病变区域；根据识别结果，在所述待分割CT图像中分割出肝脏肿瘤图像。本发明首先基于深度学习技术，解决了传统方法存在的手动标注、分割精度和效率低下等问题，同时相较于现有技术，本发明具有更高的自动化程度、更精准的分割结果和更高的分割效率。