CN114549410B 基于深度监督的密度回归细胞计数方法及系统 （山东师范大学）_第1页
CN114549410B 基于深度监督的密度回归细胞计数方法及系统 （山东师范大学）_第2页
CN114549410B 基于深度监督的密度回归细胞计数方法及系统 （山东师范大学）_第3页
CN114549410B 基于深度监督的密度回归细胞计数方法及系统 （山东师范大学）_第4页
CN114549410B 基于深度监督的密度回归细胞计数方法及系统 （山东师范大学）_第5页
已阅读5页，还剩18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

基于深度监督的密度回归细胞计数方法及本发明提供了一种基于深度监督的密度回述密度回归细胞计数模型为使用非相邻层方式相邻层的快捷连接来连接多尺度特征的卷积神样路径的所有层提取的多尺度图像特征可以被设计的神经网络的中间层提供直接监督来增强2其中，所述密度回归细胞计数模型为使用非相邻层使用3个辅助卷积神经网络为学习主框架网络的中间层提供直接监督，将低维特征图F(p(x);o)和通过组合损失函数的最小化被联合训练，损失函数公3表示测量由第个辅助卷积神经网络估计的低分辨率密度图和相应的低分辨率真实注释密计算主干神经网络生成的估计密度图和真实注释密度图其中，所述密度回归细胞计数模型为使用非相邻层使用3个辅助卷积神经网络为学习主框架网络的中间层提供直接监督，将低维特征图4F(p(x);o)和通过组合损失函数的最小化被联合训练，损失函数公示测量由第个辅助卷积神经网络估计的低分辨率密度图和相应的低分辨率真实注释密度计算主干神经网络生成的估计密度图和真实注释密度图5行时实现了如权利要求1-2任一项所述的基于深度监督的密度回归细胞计数方5.一种电子设备，包括存储器、处理器及6设计具有足够计数精度的高效自动方法仍然是一项具赖于其直接相邻层的输出；这限制了神经网络模型为细胞计数工作制作更真实的密度图；7[0014]将所述低维特征图输入到具有卷积和激活功能的第二网络区块，生成第一特征程序被处理器执行时实现了第一方面所述的基于深度监督的密度回归细胞计数方法的步8通过对其中间层的学习提供直接和深入的监督来提高细胞计9这种网络设计允许将特征提取集成到密度回归的辅助网络区块，在第一辅助网络区生成第二特征图p2(x),将信息输入辅助卷积网络的第二辅助网络区块中，在第二辅助网络区块生成第三特征图p3(x),将信息输入辅助卷积网络的第三辅助网络区块中，每个辅助神经网络包含两个由卷积层和ReLU层组成的网络[0053]FO((X);)和表示测量由第k个辅助卷积神经网络估计的低分辨率密度图和相应的低分辨率真实注释密损失函数L(e,…,or,)和L(Θ)定义为：密度回归函数FS(O(X),0)可以定义为X到[0078]所述系统的工作方法与实施例1的基于深度监督的密度回归细胞计数方法相同，理器执行时实现了实施例1所述的基于深度监督的密度回归细胞计数方法理器上运行的计算机程序，所述处理器执行所述程序时实现了实施例1所述的基

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