公开(公告)号：CN117670710A

公开(公告)日：2024-03-08

申请号：CN202311628669.0

申请日：2023-12-01

Applicant: 东南大学

Inventor： 杨万扣 ,  钟泺泠 ,  冀春旺 ,  赵立业

IPC: G06T5/70 ,  G06T5/60 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种面对X射线钛合金图像的基于感知损失的图像降噪方法，包括如下步骤：步骤1，构建基于噪声水平估计的卷积神经网络主体框架；步骤2，将含噪声X射线钛合金图像输入主体框架，输出降噪后的低噪声图像；步骤3，采用均方误差计算损失函数，更新主体框架的网络参数；步骤4，将重复步骤2到步骤3，得到预训练的图像降噪神经网络；步骤5，将噪声图像输入完成预训练的主体框架，采用感知损失计算损失函数，更新主体框架的网络参数；步骤6，重复步骤5，得到最终降噪模型；步骤7，基于所述最终降噪模型，获得降噪的图像。本申请解决了高强度噪声图像降噪效果较差、图像细节信息损失的问题，能够有效提高噪声图像降噪处理效果。

公开(公告)号：CN117542051A

公开(公告)日：2024-02-09

申请号：CN202311564627.5

申请日：2023-11-22

Applicant: 东南大学

Inventor： 杨万扣 ,  冀春旺 ,  钟泺泠 ,  赵立业

IPC: G06V20/70 ,  G06V10/26 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种面对X射线钛合金图像分割的轻量化视觉Transformer算法；构建自适应轴向注意力机制的轻量化视觉Transformer分割网络，将X射线图像数据输入到所搭建的网络中进行，输入的图像经过主干层后分别进入用于提取图像语义信息的语义分支和用于提取图像细节信息的空间分支；使用特征融合模块，将语义分支和空间分支提取的特征信息相融合；将融合后的信息输入到轻量化分割头中，应用反向传播更新网络参数从而得到训练好的网络模型；用训练好的网络模型进行语义分割测试。本发明解决了传统Transformer计算量大难以落地，以及推理快速性与精准性无法很好融合的问题，在面对高像素X射线图像的密集分割任务时有很好的效果，也可以应用于图像分类、目标检测等深度学习视觉任务。