申请/专利权人:东北大学
申请日:2024-02-01
公开(公告)日:2024-03-12
公开(公告)号:CN117689880A
主分类号:G06V10/25
分类号:G06V10/25;G06V10/42;G06V10/52;G06V10/764;G06V10/77;G06V10/80;G06V10/82;G06N3/0464;G06N3/084
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.03.29#实质审查的生效;2024.03.12#公开
摘要:本发明提供一种基于机器学习用于生物医学图像中目标识别的方法及系统,涉及目标识别技术领域,包括:获取待处理图像,提取待处理图像的分层特征,将顶层特征和底层特征与中间层特征进行特征融合,得到多尺度特征图;将多尺度特征图进行全局平均池化,得到通道维度上的全局描述,结合预先引入的通道注意力机制,确定每个通道的通道权重,根据通道权重得到不同通道的通道特征图,确定通道特征图对应的响应值,将响应值最高的通道特征图作为目标特征图;通过预设的目标检测模型对所述目标特征图生成候选目标框,并对候选目标框进行评分,确定是否存在检测目标,保留存在检测目标的候选目标框,并对保留的候选目标框进行目标分类,得到检测结果。
主权项:1.一种基于机器学习用于生物医学图像中目标识别的方法,其特征在于,包括:获取待处理图像,根据所述待处理图像,结合预设的特征提取模型,提取所述待处理图像的分层特征,通过采样算法确定所述分层特征的顶层特征、底层特征以及中间层特征,将所述顶层特征和所述底层特征与所述中间层特征进行特征融合,得到多尺度特征图;对于所述多尺度特征图,将所述多尺度特征图进行全局平均池化,得到通道维度上的全局描述,根据所述全局描述,结合预先引入的通道注意力机制,确定每个通道的通道权重,根据所述通道权重和所述多尺度特征图,得到不同通道的通道特征图,确定所述通道特征图对应的响应值,将所述响应值最高的通道特征图作为目标特征图;根据所述目标特征图表示,通过预设的目标检测模型对所述目标特征图生成候选目标框,并对所述候选目标框进行评分,确定是否存在检测目标,保留存在检测目标的候选目标框,并对保留的候选目标框进行目标分类,得到检测结果。
全文数据:
权利要求:
百度查询: 东北大学 基于机器学习用于生物医学图像中目标识别的方法及系统
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。