CN119741225A 一种基于深度学习的b超图像增强处理方法_第1页
CN119741225A 一种基于深度学习的b超图像增强处理方法_第2页
CN119741225A 一种基于深度学习的b超图像增强处理方法_第3页
CN119741225A 一种基于深度学习的b超图像增强处理方法_第4页
CN119741225A 一种基于深度学习的b超图像增强处理方法_第5页
已阅读5页，还剩16页未读， 继续免费阅读

付费下载

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

(12)发明专利申请(10)申请公布号CN119741225A李承恩徐明辉陈敦信事务所(特殊普通合伙)(54)发明名称2意力图A,A=Sigmoid(3在通道维度上拼接，形成融合特征F,步骤S4中，对于特征变换模块，输入经过特征提取模块后的B超图像特征FFTin,456边缘、形状特征，将Xproj1和Xproj2在通道维度上拼接，形成融合特征F,图FFTin和多尺度特征Fscale2融合，生成包含细节和全局结构的特征表示：7附图说明8A=Sigmoid(Conv₁×1(AvgPool(Xin)+MaxPool(Xin)),Sigmoid为激活函数，Xout=IR(Xattn),经过IR模块处理后的特征图，空间分辨率降低，通道数增加：使用两个1×1卷积层分别处理FFEin,生成两个投影特征图Xproj1和Xproj2,缘、形状特征，将Xproj1和Xprojz在通道维度上拼接，形成融合特征F,9V=Conv₁x1(F),Q,K,V∈RH×W×超图像特征Fscale1:Fscale1=Downsample(FFTin),Downsample表示下采样操作，积上采样将低分辨率特征恢复到高分辨率，获得更加精细的局部信息：积操作之后使用激活函数引入非线性：Ftransformed=ReLU(Conv₃×3(Ffusea),

人人文库> 全部分类> 行业资料 > 各类标准

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论