公开(公告)号：CN118823040B

公开(公告)日：2024-11-26

申请号：CN202411315008.7

申请日：2024-09-20

Applicant: 贵州大学

Inventor： 程远航 ,  王松 ,  吴锐 ,  余军

IPC: G06T7/11 ,  G06V10/25 ,  G06V10/774 ,  G06V10/82 ,  G06F17/16 ,  G06T5/90

Abstract: 本发明涉及图像处理领域，一种基于深度学习的图像位点精细化分割方法及装置，包括：构建增强待分割图像的ResNeXt‑50网络结构和ResNeXt‑101网络结构，配置ResNeXt‑50网络结构和ResNeXt‑101网络结构的50结构超参数和101结构超参数，对ResNeXt‑50网络结构和ResNeXt‑101网络结构进行训练，得到ResNeXt‑50模型和ResNeXt‑101模型；建立增强待分割图像的特征ResNeXt提取模型，对增强待分割图像进行特征提取，得到增强待分割图像的分割特征图；建立增强待分割图像的Mask R‑CNN模型，计算Mask R‑CNN模型的交并比，利用Mask R‑CNN模型对增强待分割图像进行精细化分割，得到增强待分割图像的精细化分割结果。本发明可提高图像精细化分割的效果。

公开(公告)号：CN118823040A

公开(公告)日：2024-10-22

申请号：CN202411315008.7

申请日：2024-09-20

Applicant: 贵州大学

Inventor： 程远航 ,  王松 ,  吴锐 ,  余军

IPC: G06T7/11 ,  G06V10/25 ,  G06V10/774 ,  G06V10/82 ,  G06F17/16 ,  G06T5/90

Abstract: 本发明涉及图像处理领域，一种基于深度学习的图像位点精细化分割方法及装置，包括：构建增强待分割图像的ResNeXt‑50网络结构和ResNeXt‑101网络结构，配置ResNeXt‑50网络结构和ResNeXt‑101网络结构的50结构超参数和101结构超参数，对ResNeXt‑50网络结构和ResNeXt‑101网络结构进行训练，得到ResNeXt‑50模型和ResNeXt‑101模型；建立增强待分割图像的特征ResNeXt提取模型，对增强待分割图像进行特征提取，得到增强待分割图像的分割特征图；建立增强待分割图像的Mask R‑CNN模型，计算Mask R‑CNN模型的交并比，利用Mask R‑CNN模型对增强待分割图像进行精细化分割，得到增强待分割图像的精细化分割结果。本发明可提高图像精细化分割的效果。