CN112446890B 基于空洞卷积和多尺度融合的黑色素瘤分割方法 （浙江工业大学）_第1页
CN112446890B 基于空洞卷积和多尺度融合的黑色素瘤分割方法 （浙江工业大学）_第2页
CN112446890B 基于空洞卷积和多尺度融合的黑色素瘤分割方法 （浙江工业大学）_第3页
CN112446890B 基于空洞卷积和多尺度融合的黑色素瘤分割方法 （浙江工业大学）_第4页
CN112446890B 基于空洞卷积和多尺度融合的黑色素瘤分割方法 （浙江工业大学）_第5页
已阅读5页，还剩10页未读， 继续免费阅读

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

基于空洞卷积和多尺度融合的黑色素瘤分基于空洞卷积和多尺度融合的黑色素瘤分空洞卷积模块可以根据图像特征自适应的扩大以将编码层输出的特征与相邻编码层的特征进2出提取到的特征图featuremap为后续网络提供输入；每一层都使用三个平行的空洞卷积下采样共采用5个通道注意空洞卷积层，每层使用三个平行的空洞卷积的卷积核大小洞卷积得到三个通道数为64的特征图featuremap，之后经过通道关注模块全局平均池化操作得到1*1*C大小的向量，然后采用卷积核大小为3的1*1卷积获得跨通道信息，之后用聚合交互模块的提出是为了弥补编码层和对应的解码层制跳跃连接可能引起的噪声；U-Net中将两者直接聚合，由于两者之间的语义信息相差较fi-1ii+1解码层将编码层得到的特征图进行上采样操作，然后与聚合交互模块输3将步骤1)中的处理好的训练集输入到步骤2)中构建好的网络模型批次大小为12，epoch为80，初始学习率为0.0001，动量为0.9；对训练得到的prediction与groundtruth采用tverskyloss+consistency-enhancedloss进行训练，损将测试集数据输入步骤3)中训练好的预测模型中，得到分割结果，由4采用固定大小的卷积核对图像进行下采样，这样导致网络只能捕获到局部的上下文信息。关于提出的空洞空间卷积池化金字塔(ASPP)在下采样之后也只能提取到部分的上下文信[0006]本发明为了应对皮肤镜图像中存在的干扰导致神经网络对传统U-Net中的下采样结构和简单跳跃连接做相应的改变，有效地扩大感受野以及抑制[0012]以通道注意空洞卷积层代替U-Net中的编码层，将步骤1)中的皮肤镜图像作为输5[0014]聚合交互模块的提出是为了弥补编码层和对应的解码层的特征图之间的语义差6[0034]以通道注意空洞卷积层代替U-Net中的编码层，将步骤1)中的皮肤镜图像作为输[0035]下采样共采用5个通道注意空洞卷积层，每层使用三个平行的空洞卷积的卷积核用Sigmoid函数激活，与原先特征图系数相乘为每个通道分配各自的权重，最后相加得到[0039]聚合交互模块的提出是为了弥补编码层和对应的解码层的特征图之间的语义差征图fi-1ii+1f'='(f")+M'(fip)(2)7[0048]批次大小为12，epoch为80，初始学习率为0.0001，动量为0.9；对训练得到的prediction与groundtruth采用tverskyloss+consistency-enhancedloss进行训练，损失

人人文库> 全部分类> 行业资料 > 信息产业

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