[发明专利]图像处理方法、装置、电子设备及计算机可读存储介质有效

专利信息
申请号: 201910974930.X 申请日: 2019-10-14
公开(公告)号: CN110796664B 公开(公告)日: 2023-05-23
发明(设计)人: 吕绍辉;李小奇 申请(专利权)人: 北京字节跳动网络技术有限公司
主分类号: G06T7/10 分类号: G06T7/10;G06T7/13;G06T7/66;G06T7/73;G06V40/10;G06T11/00
代理公司: 北京风雅颂专利代理有限公司 11403 代理人: 安凯
地址: 100041 北京市石景山区*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要: 本公开公开了一种图像处理方法、装置、电子设备和计算机可读存储介质。其中该图像处理方法包括:获取视频图像的第一图像帧,所述第一图像帧为当前时刻所述视频图像所播放的图像帧;响应于检测到所述第一图像帧中包括目标对象,将所述目标对象从所述第一图像帧中分割出来得到目标对象图像;获取所述目标对象在所述第一图像帧中的外接矩形框;根据所述外接矩形框计算所述目标对象图像在所述第一图像帧中的绘制尺寸以及绘制位置;保存所述目标对象图像、目标对象图像的绘制尺寸以及目标对象图像的绘制位置到缓存中。通过上述方法,解决了现有技术中无法简单快速的生成视频效果的技术问题。
搜索关键词: 图像 处理 方法 装置 电子设备 计算机 可读 存储 介质
【主权项】:
1.一种图像处理方法,包括:/n获取视频图像的第一图像帧,所述第一图像帧为当前时刻所述视频图像所播放的图像帧;/n响应于检测到所述第一图像帧中包括目标对象,将所述目标对象从所述第一图像帧中分割出来得到目标对象图像;/n获取所述目标对象在所述第一图像帧中的外接矩形框;/n根据所述外接矩形框计算所述目标对象图像在所述第一图像帧中的绘制尺寸以及绘制位置;/n保存所述目标对象图像、目标对象图像的绘制尺寸以及目标对象图像的绘制位置到缓存中。/n
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京字节跳动网络技术有限公司,未经北京字节跳动网络技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/patent/201910974930.X/,转载请声明来源钻瓜专利网。

同类专利
  • 基于边缘优化和注意力机制的医学图像分割方法-202310930345.6
  • 马智勇;王伟刚 - 吉林大学第一医院
  • 2023-07-27 - 2023-10-27 - G06T7/10
  • 基于边缘优化和注意力机制的医学图像分割方法属于医学图像分割和计算机视觉技术领域。本发明通过双流架构的设计,使医学图像分割网络可独自捕获图像中的边缘信息和上下文信息,并设计协同分割损失优化分割结果。医学图像分割网络利用Transformer机制建模远距离的像素依赖关系,获取丰富的上下文信息。在编码器和解码器之间引入通道自注意模块,利用高级语义信息选取低级特征中的细节信息,减少在特征提取造成的冗余,进而指导深层特征和低层特征的融合,减弱特征之间地语义鸿沟。双流架构的网络设计以及Transformer机理的应用,使该网络获得更加优异的医学图像分割效果。
  • 一种基于深度强化学习的主动脉夹层分割方法和系统-202310778789.2
  • 曾安;林先扬;赵靖亮;潘丹;杨宝瑶;赵屾 - 广东工业大学
  • 2023-06-28 - 2023-10-27 - G06T7/10
  • 本发明提供一种基于深度强化学习的主动脉夹层分割方法和系统,方法包括获取主动脉夹层切片数据,并利用特征提取网络中进行特征提取;将每个主动脉夹层切片数据与其对应的主动脉夹层切片特征拼接,获得多维图像数据集;利用深度强化学习智能体和多维图像数据集构建主动脉夹层定位任务;设置视野窗口的扩张策略、定位窗口的动作和奖励函数,利用DQN算法训练主动脉夹层定位任务;最后利用最优的深度强化学习智能体对待分割的主动脉夹层切片数据进行主动脉夹层定位,根据定位结果对主动脉夹层进行分割;本发明能够减少切片的冗余信息占比,有效提高分割结果的精度,同时提高定位窗口的准确性和稳定性。
  • 一种基于自注意力和三维卷积的心脏多类分割方法和系统-202310938434.5
  • 曾安;陈旭宙;姬玉柱;潘丹;赵靖亮;刘鑫 - 广东工业大学
  • 2023-07-27 - 2023-10-27 - G06T7/10
  • 本发明提供一种基于自注意力和三维卷积的心脏多类分割方法和系统,方法包括:获取人体心脏CT三维图像数据集并进行预处理;建立基于自注意力和三维卷积的心脏多类分割模型;将预处理后的人体心脏CT三维图像数据集裁剪为若干个预设大小的三维方块,将所有三维方块依次输入心脏多类分割模型中进行迭代训练;将待分割的人体心脏CT三维图像输入训练好的心脏多类分割模型中进行像素分类,完成心脏的多类分割;本发明在编解码网络的深层提出三维自注意力机制和三维卷积并行进行特征提取,以及设置3D空间感知模块,能够提取不同维度之间的相关性信息,有效解决图像下采样操作可能导致的信息丢失问题,并提高心脏分割的准确性。
  • 图像分割方法和装置、存储介质及电子设备-202310019531.4
  • 刘洪;魏东;王连生;郑冶枫 - 腾讯科技(深圳)有限公司
  • 2023-01-06 - 2023-10-27 - G06T7/10
  • 本申请公开了一种图像分割方法和装置、存储介质及电子设备。其中,该方法包括:获取通过目标设备采集得到的目标图像;通过区域识别网络中的编码子网络提取目标图像的图像特征,并通过区域识别网络中的解码子网络确定与目标图像的图像特征相匹配的候选域分割信息;基于目标图像的图像特征确定出与目标图像相匹配的域类别信息;将候选域分割信息传递至动态图像分割网络,动态图像分割网络中的动态卷积核是基于域类别信息而生成的;获取动态图像分割网络输出的分割结果,分割结果用于指示从目标图像中分割出的目标域。本申请解决了图像分割过程中受到设备差异性的干扰所导致的分割准确性较低的技术问题。
  • 基于图像的结构分割方法、装置、计算机设备及存储介质-202310255955.0
  • 纪源丰;卞亚涛 - 腾讯科技(深圳)有限公司
  • 2023-03-07 - 2023-10-27 - G06T7/10
  • 本申请提供了一种基于图像的结构分割方法、装置、计算机设备及存储介质,属于图像处理技术领域。所述方法包括:获取结构图像和分割需求;通过图像分割模型的门控网络,对所述分割需求进行处理,得到门控向量;基于所述门控向量,调用所述多个子网络中的多个目标子网络;通过所述图像分割模型的所述多个目标子网络,对所述结构图像进行处理,得到所述多个目标子网络的输出;基于所述多个目标子网络的输出,预测所述结构图像中所述多个目标特征部位的位置。上述方法只需将多个目标子网络对应的代码加载到内存中运行,就能够实现一次分割多个特征部位的目的,不仅减少了硬件资源的消耗,还提高了分割效率。
  • 自适应的工业表面缺陷分割网络建立方法及其应用-202310700106.1
  • 李斌;王桢榕;牛通之;李威风;牛拴龙;王苗;刘保辉;林雨枫;冯时 - 华中科技大学
  • 2023-06-13 - 2023-10-27 - G06T7/10
  • 本发明公开了自适应的工业表面缺陷分割网络建立方法及其应用,属于缺陷分割领域,包括:基于神经架构搜索,结合现有手工设计缺陷检测架构的先验知识,设计精简但适用于工业场景的有潜力的分割网络搜索空间,完成网络级搜索空间的设计;总结工业检测架构中常用操作,并额外添加通道注意力操作和空间注意力操作作为候选操作,构建网络中的基本单元,完成单元级搜索空间的设计;由于网络整体架构相对固定,因此,最终的搜索范围被简化为单元的结构,而不是整个网络,从而在时间资源有限的条件下,在更短的时间内完成具有良好性能的体系结构构建,大幅节约了网络设计成本。在此基础上,进一步对搜索策略进行了优化,能够进一步提高搜索效率。
  • 一种3D稀疏点云标定板顶点坐标拟合方法及相关设备-202310920499.7
  • 史文中;魏义涛 - 卓宇智能科技有限公司
  • 2023-07-25 - 2023-10-27 - G06T7/10
  • 本发明公开一种3D稀疏点云标定板顶点坐标拟合方法及相关设备,所述方法包括:获取3D点云,根据3D点云获取各个空间点的光束角,建立各个空间点的光束角球形笛卡尔坐标系的区间索引;根据3D点云,生成多个待选种子;根据区间索引,对各个待选种子进行邻域增长得到各个待选种子所在的平面,完成多平面分割;从分割的多平面中提取标定板分割平面;根据标定板分割平面的点云数据对标定板顶点坐标进行拟合。本发明将无序的3D点云结构化成类似图像的格式,根据像素坐标索引查找待选种子附近的空间点,通过邻域增长的方式进行平面分割,自动化提取标定板平面,拟合标定板的四个顶点坐标,处理效率较高,且在稀疏点云中处理效果较好的问题。
  • 一种基于人工智能的群养猪实例分割方法-202310926164.6
  • 杨海涛;钟关孙 - 邦益生物科技(深圳)有限公司
  • 2023-07-26 - 2023-10-27 - G06T7/10
  • 本发明具体涉及一种基于人工智能的群养猪实例分割方法,包括步骤有,对群养猪进行拍摄并且获取群养猪拍摄过程中图片拍摄的像素明暗度参数q,然后建立一个平滑函数的调整网络并且初始化参数;通过统计数据将像素明暗度参数q与平滑函数的调整网络的参数建立稳定映射关系,然后根据平滑函数修正后的实例分割模型形成对抗网络模型,并且对群养猪图片实例分割,实例分割过程中首先根据像素明暗度参数q调整平滑函数的调整网络的参数,然后对平滑函数的具体算法进行修改,根据修改之后的平滑函数对实例分割模型修改。
  • 一种多器官和/或病灶的医学图像分割方法及装置-202311218351.5
  • 祁霞;周凡渝;张雨萌;项峥;池琛;罗富良;黄乾富 - 海杰亚(北京)医疗器械有限公司
  • 2023-09-20 - 2023-10-27 - G06T7/10
  • 本发明提供一种多器官和/或病灶的医学图像分割方法及装置。获取包含目标区域的目标医学图像;确定包括目标医学图像中待分割的多个器官和/或病灶的候选框;将目标医学图像和候选框输入预先训练的分割模型,获取针对目标区域多个器官和/或病灶的第一分割结果;分割模型包括:图像编码器,用于提取目标医学图像的多尺度图像特征;候选框编码器,用于提取候选框token以表征候选框的坐标特征;掩膜解码器,用于根据医学图像的多尺度图像特征和候选框token生成分割结果。考虑了不同器官之间的位置信息和尺度信息,不易出现混淆或遗漏的情况。进一步地,提供了可靠的修正机制,以便医生在自动分割的基础上实现快捷的半自动分割,提高分割的准确性和可信度。
  • 一种基于像素分类和距离回归的细胞核图像分割方法-202110645379.1
  • 张强;王晶涵;焦强;刘健;刘迦南 - 西安电子科技大学
  • 2021-06-09 - 2023-10-27 - G06T7/10
  • 本发明公开了一种基于像素分类和距离回归的细胞核图像分割方法,包括以下步骤:(1)对输入图像提取特征:(2)构建上采样双分支解码网络:(3)构建全局信息感知模块:(4)构建特征聚合模块:(5)算法网络的训练阶段:(6)算法网络的测试阶段,本发明适用于医学图像处理技术领域,能够实现细胞核图像完整一致的分割;还能够改善细胞核图像的分割效果,可以将高级特征通过注意力机制对低级特征进行筛选,进而更好的引导低级特征,从而增强细胞核与背景之间的特征对比,更能够更好的利用像素分类和距离回归之间的语义相关性和空间相关性,既捕捉到两个任务的相关性,也保留两个任务之间的差异性。
  • 一种基于并行空洞卷积的遥感影像语义分割方法-202110129416.3
  • 张东映;唐振超;罗蔚然;洪志明;梁忠壮;刘震 - 华中科技大学
  • 2021-01-29 - 2023-10-27 - G06T7/10
  • 本发明公开了一种基于并行空洞卷积的遥感影像语义分割方法,涉及遥感影像技术领域,包括以下步骤:预先获取高分辨率遥感影像,并对高分辨率遥感影像进行切片,进行归一化和标准化,获取源高分辨率遥感影像;基于ImageNet上预训练的resnet101参数初始化特征提取网络resnet101的低层网络,构建并行空洞卷积网络,并提取源高分辨率遥感影像的浅层特征;将浅层特征输入至并行空洞卷积网络获取多尺度信息,并将多尺度信息融合;将融合后的特征与浅层特征再次融合,并使用全连接条件随机场修复图像级信息,获取语义分割结果。本发明在不增加额外参数的情况下,扩大了卷积的感受野,相比于达到同样感受野的标准卷积,并行空洞卷积方法更能够节省显存。
  • 一种基于双分支集成学习的遥感图像海陆分割方法-202310249711.1
  • 纪勋;汤龙斌;王靖淇 - 大连海事大学
  • 2023-03-15 - 2023-10-27 - G06T7/10
  • 本发明提供了一种基于双分支集成学习的遥感图像海陆分割方法,涉及遥感图像处理技术领域,包括如下步骤:获取遥感图像,对遥感图像数据集进行标签制作,形成相应的遥感图像海陆分割数据集;构建由密集支路、残差支路以及集成学习模块所组成的基于双分支集成学习的遥感图像海陆分割网络模型;利用所构建的数据集对所述遥感图像海陆分割网络模型进行损失函数设置;训练基于双分支集成学习的遥感图像海陆分割网络模型,并在等待模型训练完毕后,运行训练后的遥感图像海陆分割网络模型,对待分割的遥感图像进行海陆分割。本发明可有效实现对遥感图像海陆区域进行精准检测与分割。
  • 医学影像的血管分割方法、计算机设备和可读存储介质-201911345936.7
  • 江鹏博;石峰 - 上海联影智能医疗科技有限公司
  • 2019-12-24 - 2023-10-27 - G06T7/10
  • 本申请涉及一种医学影像的血管分割方法、计算机设备和可读存储介质。该方法包括:获取待分割的医学影像;将医学影像输入预设的血管分割模型中,得到医学影像的血管分割结果;其中,血管分割模型为根据带有感兴趣血管分类信息的训练样本进行训练所得到的。由该方法训练得到的血管分割模型,考虑了医生感兴趣血管(即重要血管)的分类信息,可使得血管分割模型更加关注重要血管的分割过程,则其得到的血管分割结果中重要血管的分割结果比较突出或明显,能够更好的辅助医生进行阅片。
  • 一种基于深度学习的脑核磁共振图像分割方法-202211256613.2
  • 陈允杰 - 南京鑫鼎云科技有限公司
  • 2022-10-14 - 2023-10-24 - G06T7/10
  • 本发明公开了一种基于深度学习的脑核磁共振图像分割方法。针对经典U‑Net分割框架难以建模长距离依赖问题,给出一种改进的U‑Net分割框架;针对脑核磁共振图像数据量稀少而难以训练出分割精度较高的神经网络模型的难题,给出一种基于传统高斯混合模型的混合损失函数;通过将改进的U‑Net和基于高斯混合模型的损失函数相结合,给出一种深度学习框架下半监督的脑核磁共振图像分割模型。
  • 肿瘤分割方法、装置和电子设备-202210367365.2
  • 路天阳 - 中移雄安信息通信科技有限公司;中移系统集成有限公司;中国移动通信集团有限公司
  • 2022-04-08 - 2023-10-24 - G06T7/10
  • 本发明提供一种肿瘤分割方法、装置和电子设备,涉及人工智能技术领域,肿瘤分割方法包括:获取待识别CT图像;获取肿瘤分割结果,将所述待识别CT图像输入肿瘤分割模型,得到所述肿瘤分割结果;所述肿瘤分割模型包括UNet改进模型,所述UNet改进模型是基于目标区域样本图像进行训练得到的;所述目标区域样本图像是样本CT图像经过目标检测得到的;其中,所述UNet改进模型包括特征提取层和与所述特征提取层连接的特征融合层,所述特征提取层基于Ghost模块形成,所述特征融合层基于残差连接和通道注意力模块形成。本申请用以实现肿瘤分割模型的轻量化的同时,提高肿瘤分割的精度。
  • 一种深度注意力网络的胎儿小脑超声图像分割方法-202310724784.1
  • 束鑫;顾迎燕;王艳;叶华;华伟 - 江苏科技大学
  • 2023-06-19 - 2023-10-24 - G06T7/10
  • 本发明公开了一种深度注意力网络的胎儿小脑超声图像分割方法,包括如下步骤:首先将胎儿超声数据集按照4:1的比例随机划分为训练集和测试集,对胎儿超声数据集进行预处理;然后搭建DA‑Net网络模型,构造一个六层的U形网络,将残差级联块和改进的三重注意力模块封装成一个复合模块嵌入到网络的编码器和解码器中,用来进行有效特征提取;接下来,在训练集上采用像素位置感知损失来训练网络模型;最后,在测试集上测试模型,根据测试的结果,选择出性能最优的模型为最终模型;使用该模型进行胎儿小脑超声图像分割。本发明利用一个深度注意力网络DA‑Net,能够准确实现胎儿小脑超声图像的定位与分割,获得了较好的分割性能和鲁棒性。
  • OCT视网膜及脉络膜的自适应分割模型训练方法及应用-202210371929.X
  • 赵一天;阎岐峰;张炯;马韶东;赵劲宇 - 宁波慈溪生物医学工程研究所;中国科学院宁波材料技术与工程研究所
  • 2022-04-08 - 2023-10-24 - G06T7/10
  • 本发明公开了一种OCT视网膜及脉络膜的自适应分割模型训练方法及应用。所述的训练方法包括:对源域初始编码器进行第一训练,获得包括源域编码器的源域分割网络;通过滑动指数平均方法将源域编码器的参数传递至初始目标编码器进行第二训练得到分割模型;第二训练至少包括:利用目标域编码特征和源域编码特征对初始目标域编码器进行特征层次对抗训练;以及利用目标域分割结果和源域分割结果对初始目标域编码器进行图像层次对抗训练。本发明首次提出视网膜全层以及脉络膜层的无监督领域自适应分割训练方法,领域间泛化能力强,无需大量的标签,且克服了现有技术中域参数纠缠现象引发的源域的分割性能下降,目标域分割性能随之下降的缺陷。
  • 用于提高CTA影像模态中血管分割精度的方法及系统-202311035425.1
  • 何昆仑;刘盼;饶宠佑;花芸;边素艳 - 中国人民解放军总医院
  • 2023-08-16 - 2023-10-24 - G06T7/10
  • 本发明提供一种用于提高CTA影像模态中血管分割精度的方法及系统,该方法包括如下步骤:获取初始CTA图像以及初始血管分割预测标签;对初始CTA图像进行数据增强处理,得到目标CTA图像;基于目标CTA图像中所有目标血管的血管表面曲率生成真实血管标签的权重值,并通过权重值校正真实血管标签;结合目标CTA图像和校正后的真实血管标签构建实阶总变分算子;根据实阶总变分算子构建实阶总变异诱导损失函数;通过实阶总变异诱导损失函数对初始血管分割预测标签和校正后的真实血管标签进行能量匹配,以修正初始血管分割预测标签。本发明具有在三维CTA扫描中进行血管分割时提升血管分割精度的效果。
  • 图像处理方法以及相关设备-201910230214.0
  • 肖喜中;魏哲;李宗原 - 华为技术有限公司
  • 2019-03-25 - 2023-10-24 - G06T7/10
  • 本申请公开了一种图像处理方法,该方法包括:获取包含目标人像的彩色图像;其中,所述彩色图像包括前景和背景,所述目标人像对应于前景;在所述彩色图像中确定出目标发丝,所述目标发丝包括所述目标人像的发丝与所述背景相交叠的部分;对所述彩色图像进行虚化处理,得到目标图像;其中,所述目标发丝被虚化的程度小于所述背景被虚化的程度,所述目标人像被虚化的程度小于所述背景被虚化的程度。这种图像处理方法可以实现将人像的细节更加突出表现,使散落在背景中的发丝等细节不会被当做背景而被虚化,提升拍摄人像的体验。
  • 基于双分支解码器网络的水下伪装物体图像分割方法-202311000476.0
  • 檀盼龙;柳逸文;张晓宇;杨诗博 - 南开大学
  • 2023-08-10 - 2023-10-24 - G06T7/10
  • 本发明涉及计算机视觉技术领域,提供一种基于双分支解码器网络的水下伪装物体图像分割方法。该方法提出的解码器网络采用双分支结构,一支解码器使用通道注意力模块增强特征并接受边缘指导信息,另一支解码器使用空间注意力模块增强特征并接受全局指导信息,还在解码器每层之间提出信息交互模块,将两个分支的信息进行融合后输送到下一层解码器从而得到更好的信息融合效果,还提出选择性分支聚合模块中,其会自适应的学习如何在两个分支上权衡不同的注意力从而更好的对结果进行融合,最终产生双解码器注意力网络的预测图并接受真值图像的监督。本发明可以提高分割水下伪装目标时的准确性以及识别速度,提高水下目标识别任务的智能化水平。
  • 图像配准分割联合模型训练方法及装置-202310849487.X
  • 刘洵;陈树湛 - 上海博动医疗科技股份有限公司
  • 2023-07-11 - 2023-10-20 - G06T7/10
  • 本发明公开了一种图像配准分割联合模型训练方法、装置、电子设备及存储介质。该方法包括:获取多个血管样本图像,以及各所述血管样本图像对应的标签信息;将多个血管样本图像输入至神经网络模型,得到各所述血管样本图像的血管分割结果;对各所述血管样本图像的血管分割结果进行配准,得到各所述血管样本图像的配准结果;基于各所述血管样本图像的血管分割结果、配准结果以及标签信息确定联合模型损失,基于所述联合模型损失调整神经网络模型的参数,直至满足迭代停止条件得到训练完成的配准分割联合模型。上述技术方案训练得到的配准分割联合模型可以有效提升图像的分割精度。
  • 一种多模态多时序的高精度农业地图分割方法-202310778823.6
  • 黄河;屈方;孙友强;张俊卿;张玮;宋良图 - 中国科学院合肥物质科学研究院
  • 2023-06-29 - 2023-10-20 - G06T7/10
  • 本发明涉及一种多模态多时序的高精度农业地图分割方法,包括:采集多个时期水稻田的多模态图片数据;进行数据预处理;使用编码器和解码器共同构建多模态时序水稻分割模型;将训练集中同一地块的不同时期多模态图片数据同时输入到多模态时序水稻分割模型中进行训练;将测试集中待检测多模态图片数据和相同地块的辅助期多模态图片数据共同输入到训练好的多模态时序水稻分割模型中,生成待检测多模态数据的水稻和背景的分割结果。本发明中的多模态时序水稻分割模型通过融合RGB和NDVI等不同模态的数据,能够获取更全面、丰富的地块信息,这种综合多模态信息的方式可以提供更多的特征和背景知识,有助于改善模型对地块的理解和识别能力。
  • 一种基于特征变换的三维CBCT牙齿图像的分割方法-202110846297.3
  • 高陈强;黄天浩;李鹏程;赵悦;张凌明 - 重庆邮电大学
  • 2021-07-26 - 2023-10-20 - G06T7/10
  • 本发明属于计算机视觉技术领域,具体涉及一种基于特征变换的三维CBCT牙齿图像的分割方法,该方法包括:实时获取CBCT图像数据,并对该数据进行预处理;将预处理后的CBCT图像数据输入到训练好的CBCT图像牙齿分割模型中进行分割处理;对分割结果进行评估分析;CBCT图像牙齿分割模型为改进的3D卷积神经网络,改进的3D卷积神经网络包括编码器、空间变换模块STM、类别变换模块CTM、特征融合模块、解码器以及输出层;本发明采用一种结合了空间特征变换和类别特征变换模块的3D卷积神经网络模型,结合了空间全局信息和类别全局信息,有效的提升了分割效果并改善了分类结果。
  • 图像分割模型训练方法、图像处理方法、系统及电子设备-202310464380.3
  • 李灏峰;徐子航;龚海帆;万翔 - 深圳市大数据研究院
  • 2023-04-27 - 2023-10-20 - G06T7/10
  • 本发明涉及一种图像分割模型训练方法、图像处理方法、系统及电子设备,属于医学图像处理领域,包括步骤:获取源域脑组织图像以及脑组织实例标注;获取目标域脑组织图像;对源域脑组织图像进行处理得到目标域外观脑组织图像,对目标域脑组织图像进行处理得到源域外观脑组织图像;用源域脑组织图像和目标域外观脑组织图像训练学生模型;用目标域脑组织图像和源域外观脑组织图像同时训练学生模型和教师模型;基于预设的总损失函数对学生模型的参数进行更新。本发明基于预设的总损失函数引导学生模型忽视不同域脑组织图像外观的分布差异,强化其关注同一脑组织在不同域的语义不变性,训练得到域适应、精度高、效率高的图像分割模型。
  • 一种髋关节图像分割与关键点联动识别方法及装置-202310826397.9
  • 张逸凌;刘星宇 - 北京长木谷医疗科技股份有限公司;张逸凌
  • 2023-07-06 - 2023-10-17 - G06T7/10
  • 本申请提供了一种髋关节图像分割与关键点联动识别方法及装置,所述方法包括:获取待识别图像,所述待识别图像为包含髋关节的医学图像;将所述待识别图像输入图像分割与识别模型,得到所述待识别图像的输出热力图;对所述输出热力图进行图像分割和关键点点识别;根据分割和识别后的所述输出热力图,确定所述待识别图像的图像分割结果和关键点识别结果;其中,所述图像分割与识别模型包含多个Hourglass结构。本申请中,通过设置包含多个Hourglass结构的图像分割与识别模型,得到输出热力图,进而确定当前髋关节图像的图像分割结果和关键点识别结果,实现髋关节图像分割与关键点识别的联动,简化中间步骤,避免繁琐过程。
  • 一种基于T型注意力结构的医学图像分割方法-202010355011.7
  • 颜成钢;杨祥宇;杨建;张二四;孙垚棋;张继勇;张勇东 - 杭州电子科技大学
  • 2020-04-29 - 2023-10-17 - G06T7/10
  • 本发明提供一种基于T型注意力结构的医学图像分割方法。本发明提出了一种用于医学图像分割的改进的U‑Net模型,在U‑Net网络的解码网络结构中引入带有T注意力模块的门控注意力机制,在编码网络结构和解码网络结构中加入ResNet残差模块;通过带有T注意力模块的门控注意力机制,可以将浅层的输入图像的全局特征信息提取出来,解决了之前因为直接进行跳跃结构引起的图像特征不充分问题。并且T注意力模块之间共享模型参数,降低时间和空间复杂度。对于每一个卷积层,加入了残差模块,解决了训练过程中梯度消失和爆炸问题,网络训练时更容易优化。
  • 一种基于深度强化学习的卫星抓取方法-202110883603.0
  • 高浩;蒋逸飞;胡海东 - 南京邮电大学
  • 2021-08-03 - 2023-10-17 - G06T7/10
  • 本发明公开了一种基于深度强化学习的卫星抓取方法,包括:获取卫星对接环的RGB图片并标注卫星样本数据库;利用预先构建的卷积神经网络处理获取到的卫星对接环的RGB图片,得到对接环图像中的关键点的置信度图;利用PnP算法对关键点置信度图进行求解,得到卫星对接环的位姿参数;将卫星样本数据库数据输入特征融合网络,得到卫星对接环的识别分割结果;将卫星对接环的识别分割结果和卫星对接环的位姿参数输入预先训练好的深度强化学习算法,深度强化学习算法输出空间机械臂的最优抓取方案,响应于最优抓取方案,空间机械臂准确抓取卫星对接环。本发明能够提高了空间机器人完成卫星抓取的准确度。
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top