公开(公告)号：CN117392150A

公开(公告)日：2024-01-12

申请号：CN202311331691.9

申请日：2023-10-16

Applicant: 桂林电子科技大学

Inventor： 胡聪 ,  苏延辉 ,  李博 ,  龚丹妮

IPC: G06T7/11 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/084

Abstract: 本发明公开了一种基于改进UNet网络的皮肤病图像分割方法，包括以下步骤：构建皮肤病图像数据集；对数据集中的图片进行预处理，并将数据集按照比例划分为训练集和测试集；构建基于改进UNet网络的皮肤病图像分割模型；将处理后的皮肤病图像训练集放入改进后的UNet网络模型中进行训练，得到最优模型；训练完成后将测试集放入得到的最优模型中，检测皮肤病图像中病灶的分割结果。通过本发明提供的方案，有利于提高皮肤病图像分割的准确率。

公开(公告)号：CN117237370A

公开(公告)日：2023-12-15

申请号：CN202310961330.6

申请日：2023-08-02

Applicant: 桂林电子科技大学 ,  南宁桂电电子科技研究院有限公司

Inventor： 胡聪 ,  李博 ,  苏延辉 ,  龚丹妮 ,  郑玮宏

IPC: G06T7/10 ,  G06T7/00 ,  G06V10/40 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明属于图像分割技术领域，公开一种结合特征融合与注意力机制的药片表面缺陷分割方法。具体步骤包括数据预处理，构建图像分割网络，加载预训练参数，编码器提取提取图像特征。该图像分割网络由编码器和解码器组成。编码器基于传统的Unet图像分割模型，选取设计的SAM模块作为下采样块提取图像特征。将特征图通过跳跃连接输入到解码器中采用注意力机制将特征融合，获得预测标签图。基于所述药片缺陷图像分割模型对所述测试集进行预测并输出对缺陷区域分割的结果。本发明模型可以显著提高分割性能和效果。

公开(公告)号：CN117333710A

公开(公告)日：2024-01-02

申请号：CN202311311577.X

申请日：2023-10-11

Applicant: 桂林电子科技大学 ,  南宁桂电电子科技研究院有限公司

Inventor： 胡聪 ,  苏延辉 ,  龚丹妮 ,  李博

IPC: G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06V10/30 ,  G06V10/36 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的皮肤病图像分类方法，具体步骤包括数据预处理，构建图像分类网络，设置训练参数，验证模型结果。该图像分类网络在基础的EfficientNetV2网络结构的第一层引入跳连接结构，跳连接结构由一层3×3卷积层，一层5×5卷积层，一层7×7卷积层，一层CBAM注意力机制，一层1×1卷积层组成。将跳连接结构的输出结果与EfficientNetV2主干网络的最后一层MBConv模块的输出结果相加，该结构可以更好地提取浅层和深层特征信息来进行特征融合；同时在数据预处理阶段采用自适应的中值滤波器对皮肤病图像进行去噪处理，然后采用对比度增强方法对去噪皮肤病图像进行对比度增强。通过本发明提供的方案，有利于提高皮肤病图像分类的准确率。

公开(公告)号：CN116958115A

公开(公告)日：2023-10-27

申请号：CN202310961323.6

申请日：2023-08-02

Applicant: 桂林电子科技大学 ,  南宁桂电电子科技研究院有限公司

Inventor： 胡聪 ,  龚丹妮 ,  朱爱军 ,  李博 ,  苏延辉

IPC: G06T7/00 ,  G06V10/774 ,  G06V10/82 ,  G06V10/764 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于改进YOLOv7的带钢表面缺陷检测方法，包括以下步骤：构建带钢表面缺陷数据集；对数据集中的图片进行预处理，将得到的数据集重新进行标注，并将数据集按照比例划分为训练集、测试集和验证集；构建基于改进YOLOv7的带钢表面缺陷检测模型；将处理后的带钢表面缺陷训练集放入改进后的YOLOv7网络模型中进行训练，得到最优模型；训练完成后将测试集放入得到的最优模型中，检测钢材表面缺陷的类别及位置，得到识别结果。通过本发明提供的方案，有利于提高带钢表面缺陷检测的准确率。

公开(公告)号：CN117036700A

公开(公告)日：2023-11-10

申请号：CN202310961318.5

申请日：2023-08-02

Applicant: 桂林电子科技大学 ,  南宁桂电电子科技研究院有限公司

Inventor： 胡聪 ,  苏延辉 ,  李博 ,  龚丹妮 ,  郑玮宏

IPC: G06V10/26 ,  G06V10/82 ,  G06V10/40 ,  G06V10/77 ,  G06V10/80 ,  G06V10/774 ,  G06V20/70 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明公开了一种基于多尺度卷积与注意力机制的医学图像分割方法，属于医学图像分割技术领域，本方法以编解码结构UNet为主体框架，设计了一个由多尺度卷积层和SE注意力机制结合的FSE模块取代UNet网络中的跳连接，使用改进深度可分离卷积层DPF模块代替UNet网络中编码器中的卷积层，通过此方法构建的医学图像分割模型称为EFFDUNet。本发明的方法和系统适用于各种医学图像分割任务，具有通用性，本方法通过改进的深度可分离卷积层DPF模块降低了模型的参数量和计算复杂度，通过FSE模块取代跳连接增强了模型的特征提取能力。