[发明专利]一种基于多尺度特征融合的图像细粒度识别方法在审
| 申请号： | 201910282865.4 | 申请日： | 2019-04-10 |
| 公开（公告）号： | CN110097090A | 公开（公告）日： | 2019-08-06 |
| 发明（设计）人： | 杨绿溪;邓亭强;廖如天;张旭帆;赵清玄 | 申请（专利权）人： | 东南大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04 |
| 代理公司： | 南京众联专利代理有限公司 32206 | 代理人： | 蒋昱 |
| 地址： | 210096 *** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 基于密集卷积和深度可分离卷积的视网膜血管分割方法。包括：对视网膜血管图原始图像进行预处理；对数据集进行数据增强；构建基于密集卷积与深度可分离卷积结合的全卷积神经网络，并使用带有权重的损失函数对训练集进行训练；测试并得到最后分割结果图。本发明是以编码‑解码的对称网络作为主干网络。加入深度可分离卷积，大大降低了模型参数量；使用了密集卷积块，将所有层在通道上连接，加强了信息的传递并有效利用了各个尺度的特征值；在图像预处理过程中，对其进行自适应伽马矫正，对不同特征区域用不同的伽马值矫正，在提升特征对比度的同时弱化背景噪声；在训练时使用带有权重的损失函数，增强待分割血管在训练时所占比重。 | ||
| 搜索关键词： | 卷积 可分离 损失函数 权重 伽马 矫正 预处理 对视网膜血管 卷积神经网络 多尺度特征 视网膜血管 图像预处理 解码 背景噪声 对称网络 分割结果 数据增强 特征区域 原始图像 主干网络 数据集 细粒度 训练集 自适应 分割 构建 弱化 尺度 图像 血管 测试 传递 融合 | ||
【主权项】：
1.一种基于多尺度特征融合的图像细粒度识别方法，其特征在于：将数据增广后的批量图片送入基础网络提取特征，利用特征金字塔方式融合多尺度特征，在各层提取双线性特征进行独立预测，将各层预测结果进行少数服从多数投票，得到最终的预测结果，方法包括如下步骤：(1)将输入图片进行数据增广；(2)将批量图片利用网络VGG‑16提取特征，得到多层特征图；(3)将多尺度特征图特征按照特征金字塔方式进行融合；(4)将融合的各层特征分别进行双线性操作，分层独立预测结果；(5)将各层预测的结果进行投票，得到最终的预测结果。
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东南大学，未经东南大学许可，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/201910282865.4/，转载请声明来源钻瓜专利网。
