-
公开(公告)号：CN119006805B
公开(公告)日：2025-01-28
申请号：CN202411496242.4
申请日：2024-10-25
Applicant: 无锡学院
Abstract: 一种用于城市环境中的目标检测方法，属于目标检测技术领域，具体涉及城市环境中的目标检测技术领域。其解决了单阶段检测器将分类和检测回归合并为一个阶段比较困难，从而导致在城市中进行目标检测时结果不精确的问题。本发明所述方法对YOLOv7模型进行改进，降低模型复杂度，实现模型的轻量化。当通过改进YOLOv7模型获得目标坐标、目标类别和置信度后，将这些数据处理，重新计算其置信度，得到真实置信度，将所有信息整理成用于构建异构图神经网络（SeHGNN网络）的训练数据集。最后，将异构图神经网络得到的推理置信度用来替换改进YOLOv7模型得到的置信度，从而提高目标检测精度。
-
公开(公告)号：CN119006805A
公开(公告)日：2024-11-22
申请号：CN202411496242.4
申请日：2024-10-25
Applicant: 无锡学院
Abstract: 一种用于城市环境中的目标检测方法，属于目标检测技术领域，具体涉及城市环境中的目标检测技术领域。其解决了单阶段检测器将分类和检测回归合并为一个阶段比较困难，从而导致在城市中进行目标检测时结果不精确的问题。本发明所述方法对YOLOv7模型进行改进，降低模型复杂度，实现模型的轻量化。当通过改进YOLOv7模型获得目标坐标、目标类别和置信度后，将这些数据处理，重新计算其置信度，得到真实置信度，将所有信息整理成用于构建异构图神经网络（SeHGNN网络）的训练数据集。最后，将异构图神经网络得到的推理置信度用来替换改进YOLOv7模型得到的置信度，从而提高目标检测精度。
-
公开(公告)号：CN117495882B
公开(公告)日：2024-07-19
申请号：CN202311823399.9
申请日：2023-12-28
Applicant: 无锡学院
IPC: G06T7/11 , G06N3/0464 , G06N3/084 , G06T7/194
Abstract: 本发明公开了一种基于AGCH‑Net和多尺度融合的肝脏肿瘤CT图像分割方法，用于医疗复杂图像分割，包括：获取公开的肝脏肿瘤分割基准数据集，获取训练样本集；搭建神经网络结构，并进一步构建神经网络模型，以适用于肝脏肿瘤CT图像分割；其中，神经网络结构以语义分割网络U‑Net网络为网络框架，利用融合倒置残差卷积替换U‑Net网络中原始卷积，并在U‑Net网络插入改进型AGCH注意力机制以及在U‑Net网络的瓶颈处采用SE_ASPP模块；获取待分割图像进行初步处理并输入神经网络模型中进行图像分割、特征提取、图像优化操作，输出肝脏区域分割结果。本发明采用U‑NET网络为图像处理网络基础框架，并对其进行改进，添加优化分割精度，优化学习能力的网络模块，提高分割性能。
-
公开(公告)号：CN117495882A
公开(公告)日：2024-02-02
申请号：CN202311823399.9
申请日：2023-12-28
Applicant: 无锡学院
IPC: G06T7/11 , G06N3/0464 , G06N3/084 , G06T7/194
Abstract: 本发明公开了一种基于AGCH‑Net和多尺度融合的肝脏肿瘤CT图像分割方法，用于医疗复杂图像分割，包括：获取公开的肝脏肿瘤分割基准数据集，获取训练样本集；搭建神经网络结构，并进一步构建神经网络模型，以适用于肝脏肿瘤CT图像分割；其中，神经网络结构以语义分割网络U‑Net网络为网络框架，利用融合倒置残差卷积替换U‑Net网络中原始卷积，并在U‑Net网络插入改进型AGCH注意力机制以及在U‑Net网络的瓶颈处采用SE_ASPP模块；获取待分割图像进行初步处理并输入神经网络模型中进行图像分割、特征提取、图像优化操作，输出肝脏区域分割结果。本发明采用U‑NET网络为图像处理网络基础框架，并对其进行改进，添加优化分割精度，优化学习能力的网络模块，提高分割性能。
-
-
-
Search Results
14
records
(took 0.016 seconds)
