本发明涉及一种基于空间加权的唇部分割方法及系统，方法包括：获取原始图像以及标注图像；将所述原始图像输入到分割网络中，得到特征图；根据所述特征图以及所述标注图像计算加权预测损失；根据所述加权预测损失，利用Adam优化器对所述分割网络的参数进行优化，得到优化的分割网络；利用所述优化的分割网络对待测图像进行分割，得到分割图像。采用本发明的方法缓解了类别不平衡的问题，提高了唇部区域分割的准确性。
📄 202111444534X
📂 G06T7_11
👤 西安邮电大学
📅 2021-11-30
本发明提出一种基于并行特征增强和注意机制的像素级息肉分割方法，网络模型采用HarDNet68作为编码器提取多尺度特征信息；在跳跃连接部分，嵌入并行特征增强模块提取特征的高级表示；同时，利用并行部分解码器聚合高级特征，生成一个全局指导；最后，采用反向注意力模块引导信息从全局范围向局部范围进行传播，增强边界特征的融合和细化。
📄 2024110991818
📂 G06T7_11
👤 闽江学院
📅 2024-08-12
本发明涉及一种基于多尺度注意力门控网络的视网膜血管图像分割方法，包括：构建视网膜血管图像分割网络模型；视网膜血管图像分割网络模型通过多尺度特征卷积块，使用不同大小的卷积核来进行特征提取，利用不同特征尺度信息，对血管整体和末端细微血管进行有效提取分割，并使用非局部注意力模块，获取更加丰富的全局语义信息；而后在跳跃连接部分采用多尺度注意力门控网络，输入不同维度的特征图，有选择性的学习相互关联的区域；采用训练数据集对视网膜血管图像分割网络模型进行训练，得到训练好的视网膜血管图像分割网络模型；通过训练好的视网膜血管图像分割网络模型对视网膜血管图像进行图像分割。该方法有利于更准确地分割视网膜血管图像。
📄 2022110898133
📂 G06T7_11
👤 闽江学院
📅 2022-09-07
本发明公开了一种基于自适应双曲密度峰值聚类的图像分割方法及系统，该图像分割方法首先将分割图像进行预处理之后映射到双曲空间；然后，通过建立全局协方差矩阵的迹和特征增强矩阵来抑制同一簇的样本向外扩展；接着，通过计算分割图像中不同样本之间的最大成对距离和中心偏差避免极端双曲距离值造成的不稳定性。最终，通过对全局协方差矩阵的迹、特征增强矩阵、最大成对距离和中心偏差进行加权平均，构造自适应双曲距离。根据自适应双曲距离获取决策值，并基于不同样本的决策值选取聚类中心，再将非聚类中心样本进行归类，得到图像分割结果。
📄 2025112343655
📂 G06T7_11
👤 杭州电子科技大学
📅 2025-09-01
一种基于DC‑GMRF水平集的创面图像分割方法，涉及图像处理领域。本发明为了快速精确地计算出创面的面积，并根据换算比例精准地评估皮肤供体。本发明采用Kinect设备采集患者创面RGB彩色图像数据和深度数据，作为信息输入，对彩色图像数据，分离RGB色彩通道，得到红绿通道的差分图像并进行双重阈值化操作，强化创面与背景差异，利用GMRF水平集模型精准分割创面区域，与深度数据对应后形成三维点云数据，采用德劳内三角形法计算创面的三维点云曲面的面积。根据创面面积，给出创面的伤情级别以及所需植皮的面积。本发明提高了创面轮廓分割精度，使伤情级别评估更加精准，所需植皮面积更加精确。
📄 2018114147512
📂 G06T7_11
👤 哈尔滨商业大学
📅 2018-11-23
本公开提供了一种语义分割模型训练方法、语义分割方法、装置及电子设备，涉及人工智能技术领域，尤其涉及计算机视觉和深度学习技术，具体可用于3D视觉场景下。具体实现方案为：在训练语义分割模型时，通过使用3D语义分割与2D语义分割一致性损失函数，使得3D分割结果与2D分割结果尽可能一致，从而利用3D信息来引导2D的语义分割，进而能够提升训练的模型的精度与鲁棒性。
📄 2021107243945
📂 G06T7_11
👤 北京百度网讯科技有限公司
📅 2021-06-29
本发明提供了一种基于分离‑挤压‑瓶颈‑联合编解码器的息肉图像分割技术，以下步骤：步骤1:对于给定的的息肉图像#imgabs0#，从基于res2net()主干网中提取五个层级的特征；将特征#imgabs1#分为低层特征和高层特征；步骤2:使用带有分离‑挤压‑瓶颈‑联合编码器对不同层级进行编码；步骤3:在编码阶段，使用编码器对不同层级特征进行融合;步骤4:在细化阶段，使用分离‑挤压‑瓶颈‑联合块编码器提取的信息对初始预测图逐级地细化特征；步骤5:在整个网络的训练中，采用交叉熵损失函数和交并比损失函数来指导网络的学习;应用本技术方案可实现从不同的角度挖掘几何上下文信息，同时计算通道相关关系，增强特征的表征能力，以解决息肉分割问题。
📄 2022103113504
📂 G06T7_11
👤 闽江学院
📅 2022-03-28
本发明涉及一种肺部医疗影像优化分割方法，涉及图像处理技术领域。包括以下步骤：获取肺部CT图像；获取骨骼区域和肺部区域；获取最大的气管分割程度对应的簇类个数作为分割肺部区域最优的簇类个数；利用最优的簇类个数对肺部区域进行分割获取肺部分割图；将肺部分割图与骨骼区域结合获取肺部CT图像的最优分割图像。本发明利用图像处理技术，通过对获取的肺部CT图像进行处理，得到肺部区域，根据不同聚类效果下的肺部气管分割程度得到最优分割簇类个数，进而得到最优分割图。
📄 202411155697X
📂 G06T7_11
👤 北京智想创源科技有限公司
📅 2024-08-22
本发明涉及区域分割技术领域，具体涉及一种用于外科手术的CT影像分割方法。该方法根据第二分割图像中所有分割区域的边缘不平滑情况，设定待分析肺部图像的各个种子点；在待分析肺部图像中，按照预设生长准则进行区域生长，获取每次区域生长后的各个生长区域；根据生长区域的边缘不平滑情况，获取生长区域的不平滑特征值；根据生长区域的边缘像素点的局部灰度分布不均匀情况，获取生长区域的不均匀特征值；直至所有生长区域的不平滑特征值以及不均匀特征值满足预设迭代终止条件，则所有生长区域不再进行下一次区域生长，获取目标病理分割图像。本发明通过充分考虑了病变区域的边缘特征和灰度分布特征，提高了分割出病变区域的准确性。
📄 2024111246117
📂 G06T7_11
👤 大连百首企家科技有限公司
📅 2024-08-16
本发明涉及图像处理技术领域，提供了一种基于机器视觉的肠镜图像智能识别方法，包括：采用内窥镜相机采集结肠的肠镜图像，并对获取的肠镜图像进行预处理，将预处理后的肠镜图像转化为灰度图像以及基于HSV的颜色图像，基于结肠息肉特征构建息肉生长系数，并基于息肉生长系数对肠镜图像中的息肉区域进行精准划分，同时根据息肉病变特征确定结肠正常指数，而后通过结肠正常指数确定息肉区域的息肉病变程度，针对发生病变的息肉区域进行精准快速分割，加快计算速度，避免了引入良性息肉的影响降低算法准确性与计算速度，实现了基于机器视觉的肠镜图像智能识别方法。
📄 2024111176010
📂 G06T7_11
👤 顺通信息技术科技(大连)有限公司
📅 2024-08-15
本发明提出一种轻量级多尺度特征融合的实时图像语义分割方法，包括：构建包括初始化模块、分离‑提取‑合并瓶颈模块、分区‑融合通道注意力模块、特征融合模块和多尺度注意力解码器的图像语义分割网络。通过图像语义分割网络提取待处理图像初始特征图的多尺度特征，得到多尺度特征图；提取并融合初始特征图的全局通道信息和局部通道信息，得到通道信息特征图；将多尺度特征图、通道信息特征图和原始的待处理图像进行特征融合，得到融合特征图；基于融合特征图进行图像精度恢复，得到图像语义分割结果。本发明能够在参数量相对较小的轻量级图像语义分割网络模型中保证模型的精度和准确率，提高模型的推理速度，实现图像的实时语义分割。
📄 2022103653786
📂 G06T7_11
👤 暨南大学
📅 2022-04-08
本发明涉及计算机视觉、机器学习领域，具体涉及一种基于深度学习的脑部MRI海马体三维分割方法，步骤如下：步骤1，对原始图像集A进行了预处理；步骤2，搭建网络模型；脑部MRI海马体三维分割网络模型包括3个一维卷积层、15个三维卷积和4个最大池化层，整个网络模型分为左侧和右侧两部分，左侧的收缩路径用于捕捉图像的内容，右侧的扩张路径用于精准定位。左侧为一个下采样过程，分五组卷积操作进行。步骤3，训练模型；将规范化的图像集E作为训练集来训练步骤2中的脑部MRI海马体三维分割网络模型，得到训练好的用于脑部MRI海马体三维分割的网络模型F。本发明在保证高分割精度的同时，运算速度快而且可扩展性强。
📄 2018107759571
📂 G06T7_11
👤 江南大学
📅 2018-07-16
柿子坊 · 知识产权运营
柿子坊知识产权运营平台