龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：哈尔滨理工大学
摘要：深度估计在医学影像中具有重要应用价值，可以弥补医生在手术过程中由于观察目镜感官受限而难以获得精确深度信息的不足。针对内腔手术场景动态多变、软组织尺度微小等原因导致深度估计精度不高的问题，本发明提出了一种结合迁移学习和注意力机制的内腔图像深度估计方法。通过利用U‑net网络对内腔图像进行多尺度的特征提取，并结合通道和空间注意力来优化解码的精度，利用多层级深度优化对图像深度进行估计。同时，针对内腔环境中数据集较少、缺少可靠真值的问题，利用室内数据集对MVSNet网络进行预训练，再将学到的特征和权重利用迁移学习对目标内腔数据集的训练网络进行微调。并针对内腔表面图像引入邻域平滑损失项约束具有相似外观的相邻像素，达到生成平滑深度表面的效果。实验表明，本发明的深度估计网络在Hamlyn公开内腔数据集上显著提高了内腔图像的深度估计精度和完整性。
主权项：1.一种结合迁移学习和注意力机制的内腔图像深度估计方法，步骤如下：步骤a、构建用于训练的室内环境和内腔环境深度数据集，对数据集中的RGB图片及其对应的深度图标签进行归一化、数据增强的预处理操作，将两类图像数据集分别划分为训练集、验证集和测试集。步骤b、使用室内环境数据集结合MVSNet网络进行深度估计预训练，将训练获得的特征和权重利用迁移学习对目标内腔数据集的训练网络进行微调。步骤c、使用U-net特征提取网络对内腔图像进行特征提取，同时利用注意力特征融合机制来优化解码的精度，获得三个不同尺度下内腔图像特征。步骤d、分别对不同尺度的特征进行单应变换、方差度量、3DU-net网络、概率回归和残差优化，得到估计的深度。同时利用每一层的深度估计结果，对下一层的单应变换提供更精准的深度估计区间，最终获得优化后的深度估计图。
全文数据：
权利要求：
百度查询： 哈尔滨理工大学 一种结合迁移学习和注意力机制的内腔图像深度估计方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号