-
公开(公告)号：CN118692088B
公开(公告)日：2024-11-22
申请号：CN202411170640.7
申请日：2024-08-26
Applicant: 绍兴文理学院
Abstract: 本发明提供一种面向图像区域多标注的标签融合生成方法，涉及计算机视觉技术领域。该方法以同一张图像的多个标注标签图像为输入，这些标签可能源自不同标注者且包括区域强标注、矩形框标注、椭圆标注等多种类型。方法首先构建标注评估数据集，并对每个标注者进行能力评估。通过中智信息刻画，计算每个标注者的标注能力，包括隶属度、不确定性度和非隶属度。接着，计算图像各像素点的标签概率图，融合不同标注信息生成最终标签概率图。该标签概率图可用于模型训练时的损失计算，有效降低标注偏差，提升模型的性能和泛化能力。此方法通过多源标注信息融合，优化了图像标注的准确性，并增强了模型训练的鲁棒性。
-
公开(公告)号：CN118692088A
公开(公告)日：2024-09-24
申请号：CN202411170640.7
申请日：2024-08-26
Applicant: 绍兴文理学院
Abstract: 本发明提供一种面向图像区域多标注的标签融合生成方法，涉及计算机视觉技术领域。该方法以同一张图像的多个标注标签图像为输入，这些标签可能源自不同标注者且包括区域强标注、矩形框标注、椭圆标注等多种类型。方法首先构建标注评估数据集，并对每个标注者进行能力评估。通过中智信息刻画，计算每个标注者的标注能力，包括隶属度、不确定性度和非隶属度。接着，计算图像各像素点的标签概率图，融合不同标注信息生成最终标签概率图。该标签概率图可用于模型训练时的损失计算，有效降低标注偏差，提升模型的性能和泛化能力。此方法通过多源标注信息融合，优化了图像标注的准确性，并增强了模型训练的鲁棒性。
-
公开(公告)号：CN119131351A
公开(公告)日：2024-12-13
申请号：CN202411152172.0
申请日：2024-08-21
Applicant: 绍兴文理学院
Abstract: 本发明提供内窥镜病灶区域感知的分层多尺度特征归并融合分析方法，涉及医学影像处理技术领域。方法包括：通过内窥镜设备获取人体内部影像数据(如呼吸道、消化道)，采用U型网络架构，以P2T网络为骨干网络提取不同尺度的特征图；通过非均衡信息聚合模块(NBIA)逐级融合相邻层特征；利用多尺度信息聚合模块(MIA)进一步提取并融合多尺度特征；通过多层监督机制生成不同尺度的预测信息，最终完成病灶区域的智能感知与提取。本发明提高了病灶检出率，优化了多尺度特征的提取与融合，增强了模型的稳定性和训练效果，可有效辅助内窥镜检查中病灶区域的精准识别。
-
-
Search Results
3
records
(took 0.024 seconds)
