Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 重庆邮电大学庞宇获国家专利权

重庆邮电大学庞宇获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉重庆邮电大学申请的专利基于深度学习的内窥镜烟雾图像分类方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN116071589B

龙图腾网通过国家知识产权局官网在2025-05-27发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202310076261.0,技术领域涉及:G06V10/764;该发明授权基于深度学习的内窥镜烟雾图像分类方法是由庞宇;王鲲;王慧倩设计研发完成,并于2023-01-18向国家知识产权局提交的专利申请。

基于深度学习的内窥镜烟雾图像分类方法在说明书摘要公布了:本发明涉及一种基于深度学习的内窥镜烟雾图像分类方法,属于图像处理领域,包括以下步骤:S1:挑选腹腔镜图像,将其中一部分图像进行渲染得到有雾数据集,与未渲染的无雾数据集共同作为训练集和测试集,在训练集和测试集的无雾和有雾图像的比例为4:1;S2:在Poolformer网络基础上改进,将tokenmixer部分替换为类似ConvNext的多路分支结构作为训练网络,利用训练集进行训练;S3:在预测训练时将ConvNextBlock转化成类似RepVgg的单路结构RepConvNextBlock进行预测;S4:输入图像经过级联网络输出烟雾类别的概率值,通过概率值确认疑似烟雾图像类别。

本发明授权基于深度学习的内窥镜烟雾图像分类方法在权利要求书中公布了:1.一种基于深度学习的内窥镜烟雾图像分类方法,该方法包括以下步骤:S1:挑选腹腔镜图像,将其中一部分图像进行渲染得到有雾数据集,与未渲染的无雾数据集共同作为训练集和测试集,在训练集和测试集的无雾和有雾图像的比例为4:1;S2:在Poolformer网络基础上改进,将tokenmixer部分替换为类似ConvNext的多路分支结构作为训练网络,利用训练集进行训练;所述的Poolformer网络改进如下:Poolformer网络的编码器中含有下采样模块及ConvNextBlock模块;所述下采样模块由一个Layernorm层和一个卷积层构成,卷积核大小为2×2,步距为2,通道数与输入图像数据相同;所述ConvNextBlock模块对于输入为H×W×C的数据,通过第一部分的卷积层与Layernorm层输出为H×W×dim,所述第一部分的卷积层的卷积核大小为7×7,步距为1,填充为3,通道数为dim;通过第二部分的卷积层与Gelu层输出为H×W×4dim,所述第二部分的卷积层的卷积核大小为1×1,步距为1,通道数为4dim;通过第三部分的卷积层与LayerScale层和Droppath层和初始输入数据融合输出为H×W×dim,所述第三部分的卷积层的卷积核大小为1×1,通道数为dim;在训练过程中,将有雾图像标签设置为1,无雾图像标签设置为0;训练输出经过分类器得到一组包含概率值的向量,通过反向传播达到拟合的效果;对输入内窥镜烟雾图像通过网络正向传播得到两个类别的相应的概率值判断是有雾还是无雾;使用GeLu激活函数和Adam优化器,Epoch为100,初始学习率设置为0.001,批次大小为32,PatchSize=16,10折交叉验证确认训练效果的可靠性;S3:在预测训练时将ConvNextBlock转化成类似RepVgg的单路结构RepConvNextBlock进行预测;工作流程如下:在预测训练时将训练中的ConvNextBlock转化成RepConvNextBlock,此操作不改变训练过程中ConvNextBlock模块的基本参数,但在预测分类结果时采用单路分支网络不进行融合;S4:输入图像经过级联网络输出烟雾类别的概率值,通过概率值确认疑似烟雾图像类别。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人重庆邮电大学,其通讯地址为:400065 重庆市南岸区黄桷垭崇文路2号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。