-
公开(公告)号：CN113989269A
公开(公告)日：2022-01-28
申请号：CN202111343980.1
申请日：2021-11-14
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于卷积神经网络多尺度特征融合的中医舌图像齿痕自动检测方法，以卷积神经网络VGG16作为基础网络提取特征；提出了多尺度特征融合模块和特征增强模块，分别用于对卷积神经网络的不同尺度特征进行融合，并对融合后的特征进行增强，形成4个检测层；最后采用SSD方法在这4个检测层上分别进行齿痕检测，并采用非极大值抑制方法对各个检测结果进行融合，得到最终的齿痕检测结果。本发明可以提高各检测层的特征表达能力，实现中医舌图像中齿痕的自动、准确检测，在检测精度上与传统方法相比具有明显优势，可以满足实际应用需求。本发明大大降低了网络模型的复杂度。本方法在检测精度上具有明显的优势，可以满足实际的应用需求。
-
公开(公告)号：CN113989269B
公开(公告)日：2024-04-02
申请号：CN202111343980.1
申请日：2021-11-14
Applicant: 北京工业大学
IPC: G06T7/00 , G16H30/20 , G06V10/80 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于卷积神经网络多尺度特征融合的中医舌图像齿痕自动检测方法，以卷积神经网络VGG16作为基础网络提取特征；提出了多尺度特征融合模块和特征增强模块，分别用于对卷积神经网络的不同尺度特征进行融合，并对融合后的特征进行增强，形成4个检测层；最后采用SSD方法在这4个检测层上分别进行齿痕检测，并采用非极大值抑制方法对各个检测结果进行融合，得到最终的齿痕检测结果。本发明可以提高各检测层的特征表达能力，实现中医舌图像中齿痕的自动、准确检测，在检测精度上与传统方法相比具有明显优势，可以满足实际应用需求。本发明大大降低了网络模型的复杂度。本方法在检测精度上具有明显的优势，可以满足实际的应用需求。
-
公开(公告)号：CN114022494B
公开(公告)日：2024-03-29
申请号：CN202111343973.1
申请日：2021-11-14
Applicant: 北京工业大学
IPC: G06T7/11 , G06T7/194 , G06N3/0464 , G06N3/042 , G06N3/096 , G06N3/045 , G16H30/20 , G06V10/764
Abstract: 本发明公开了一种基于轻型卷积神经网络和知识蒸馏的中医舌图像自动分割方法，设计了一种轻型密集连接卷积模块，并利用该模块构建轻型舌图像分割网络；利用舌图像分割数据集训练网络，并采用知识蒸馏的方法增强网络的准确性和鲁棒性，得到分割网络模型。具体包括以下步骤：舌图像分割数据集的构建；轻型舌图像分割网络的设计；基于知识蒸馏的轻型舌图像分割网络的训练。与现有技术相比本发明模型参数小、分割速度快。采用了知识蒸馏的训练方法，提出的分割网络在分割精度和鲁棒性方面都获得与教师模型可以比较的结果，满足实际应用的需求。
-
公开(公告)号：CN114022494A
公开(公告)日：2022-02-08
申请号：CN202111343973.1
申请日：2021-11-14
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于轻型卷积神经网络和知识蒸馏的中医舌图像自动分割方法，设计了一种轻型密集连接卷积模块，并利用该模块构建轻型舌图像分割网络；利用舌图像分割数据集训练网络，并采用知识蒸馏的方法增强网络的准确性和鲁棒性，得到分割网络模型。具体包括以下步骤：舌图像分割数据集的构建；轻型舌图像分割网络的设计；基于知识蒸馏的轻型舌图像分割网络的训练。与现有技术相比本发明模型参数小、分割速度快。采用了知识蒸馏的训练方法，提出的分割网络在分割精度和鲁棒性方面都获得与教师模型可以比较的结果，满足实际应用的需求。
-
-
-
Search Results
4
records
(took 0.027 seconds)
