申请/专利权人:贵州大学
申请日:2024-01-05
公开(公告)日:2024-04-26
公开(公告)号:CN117934926A
主分类号:G06V10/764
分类号:G06V10/764;G06V10/774;G06V10/776;G06T7/136;G06T5/70;G06T5/80;G06V10/44;G06N3/0464
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.14#实质审查的生效;2024.04.26#公开
摘要:本发明公开了一种基于深度学习的氟斑牙图像处理识别方法,将深度学习技术应用到氟斑牙图像识别领域,通过构建包括多尺度大核残差卷积模块及全局空间注意力模块的氟斑牙图像处理识别模型解决了氟斑牙图像识别准确率低的问题,通过多尺度大核残差模块在增大模型有效感受野的同时提取图像的多尺度特征,并通过全局空间注意力模块捕获图像的全局特征,进而增大模型对病灶特征的关注,从而有效提高氟斑牙图像识别的效果。
主权项:1.一种基于深度学习的氟斑牙图像处理识别方法,其特征在于:包括以下步骤:S1、采集氟斑牙图像,构建氟斑牙图像数据集:采集不同的氟斑牙图像样本,将图像剪裁后进行标注,并进行数据清洗,数据清洗完成后,将氟斑牙图像数据集分为训练集和测试集;S2、对氟斑牙图像数据集进行预处理;构建包括多尺度大核残差卷积模块及全局空间注意力模块的氟斑牙图像处理识别模型;将训练集输入到氟斑牙图像处理识别模型中进行训练,得到训练完成的氟斑牙图像处理识别模型;S3、将测试集输入到步骤S2训练完成的氟斑牙图像处理识别模型对氟斑牙图像进行分级,通过图像分类的评价指标对模型效果进行评价。
全文数据:
权利要求:
百度查询: 贵州大学 一种基于深度学习的氟斑牙图像处理识别方法
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。