[发明专利]一种提升深度学习识别B超图像稳定性的方法在审
| 申请号： | 201811354227.0 | 申请日： | 2018-11-14 |
| 公开（公告）号： | CN109472313A | 公开（公告）日： | 2019-03-15 |
| 发明（设计）人： | 林江莉;韩霖;陈科 | 申请（专利权）人： | 四川大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/08 |
| 代理公司： | 成都顶峰专利事务所(普通合伙) 51224 | 代理人： | 李永生 |
| 地址： | 610000 四*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种提升深度学习识别B超图像稳定性的方法，包括以下步骤：A、准备训练数据：结合目标B超图像轮廓和其类别标签生成图像语义分割标签；B、训练：使用语义分割模型来训练B超图像轮廓～语义分割标签的映射；C、识别：将待识别的图像送入模型，得到不同类别的分割区域，获得各区域的分割结果。本发明中，使用传统的分类标签和目标轮廓来生成图像语义分割标签，使用深度判别网络来对目标进行分类，能大大提升分类结果的稳定性，使用本发明方法，能大大提高分类结果的稳定性，增加了深度学习在B超图像识别上的实用效果。 | ||
| 搜索关键词： | 语义分割 分类结果 生成图像 标签 分割结果 分割区域 分类标签 类别标签 目标轮廓 实用效果 训练数据 传统的 映射 学习 送入 图像 分类 网络 | ||
【主权项】：
1.一种提升深度学习识别B超图像稳定性的方法，其特征在于：包括以下步骤：A、准备训练数据：结合目标B超图像轮廓和其类别标签生成图像语义分割标签；B、训练：使用语义分割模型来训练B超图像轮廓～语义分割标签的映射，获得训练后的语义分割网络深度学习模型；C、识别：将待识别的图像送入训练后的语义分割网络深度学习模型，得到不同类别的分割区域，获得各区域的分割结果。
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四川大学，未经四川大学许可，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/201811354227.0/，转载请声明来源钻瓜专利网。
