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！

申请/专利权人：常熟理工学院

摘要：本申请公开了一种似圆轮廓图像分割方法、系统和介质，其中，方法包括以下步骤：获取目标图像数据并预处理；将获取的数据集标注并划分为训练集与验证集；构建似圆轮廓图像分割模型，所述模型似圆轮廓图像分割模型包括编码器、融合模块以及解码器；利用训练集样本对所述的似圆轮廓图像分割模型进行训练，利用验证集样本对上述模型进行评估并调整模型参数获得训练后的模型；将待测图像数据输入训练后的模型得到输出结果。本申请优点是能以较小的模型参数量实现较高的分割准确率。

主权项：1.一种似圆轮廓图像分割方法，其特征在于，包括如下步骤：S1：获取目标图像数据并预处理；S2：将获取的数据集标注并划分为训练集与验证集，划分比例为7：3；S3：构建似圆轮廓图像分割模型，所述似圆轮廓图像分割模型包括：编码器，所述编码器采用金字塔卷积作为底层结构用于获取图像中的多尺度特征，使用1×1卷积用于融合通道特征；融合模块，所述融合模块用于融合来自编码器的输出结果并输出特征图；以及解码器，所述解码器用于对融合模块输出的特征图提取特征；所述编码器结构可以表示为： ；其中x为输入特征图，F为编码器输出，PConv为金字塔卷积，Conv1为1×1卷积，GN为组归一化，GELU为GELU激活函数；所述编码器将特征图首先经过组归一化，之后在通道维度上平均分为四部分，再分别使用1×1、3×3、5×5、7×7深度可分离卷积，最后使用concat拼接并与卷积前的特征图相加得到特征提取后的特征图，结构可以表示为： ；其中F1，F2为中间阶段的输出，F为该部分的最终输出，x1,x2,x3,x4分别为在通道维度上平均分为四部分的特征图，分别为1×1、3×3、5×5、7×7的深度可分离卷积，为特征图之间在通道维度上的拼接；所述融合模块的结构可以表示为： ；其中E为在编码阶段中，在下采样之后输出与X相同分辨率的特征图，X为在融合阶段中自底向上的特征图，maxpool为最大池化层，ConvGNGELU为1×1卷积+组归一化+GELU激活函数；所述融合模块首先使用1×1卷积对融合的通道特征聚合，再使用最大池化和相加操作以保留重要特征图与原特征图的信息，最后使用1×1卷积进行特征转换；所述解码器使用不同的长条卷积与两个1×1卷积对输入特征图提取特征，其结构可以表示为： ；其中，Conv3×1GN,Conv1×3GN,Conv5×1GN,Conv1×5GN,Conv7×1GN,Conv1×7GN别为3×1、1×3、5×1、1×5、7×1、1×7的长条卷积+组归一化，GroupConv1GNGELU为1×1组卷积+组归一化+GELU激活函数，是融合阶段的输出；所述长条卷积是深度可分离卷积，首先使用1×1卷积改变通道数之后分别输入不同的长条卷积，最后使用concat拼接与两个点卷积，两个点卷积之间使用组归一化与激活函数用于保证网络的非线性变化，在不同长条卷积路径中使用相加操作以实现跨多尺度的特征提取；利用训练集样本对所述的似圆轮廓图像分割模型进行训练，利用验证集样本对上述模型进行评估并调整模型参数获得训练后的模型；S4：将待测图像数据输入训练后的模型得到输出结果。

全文数据：

权利要求：

百度查询： 常熟理工学院 一种似圆轮廓图像分割方法、系统和介质