CN119399211A 舌像分割方法、装置、存储介质和计算机设备 （华南师范大学）

海软件园华南师范大学电子与信息工备输入至上采样解码器进行上采样和分组卷积处2获取多个待分割图像样本、对应的多个图像分割结果将待分割图像样本输入至所述下采样编码器进行特征提取和分组卷积将所述待分割图像样本和所述第一图像数据输入至上采样解码器进行上采样和分组根据多个所述图像分割结果样本和多个所述初始图像分割结果，训练获取目标待分割图像；将所述目标待分割图像输入至所述目标所述将待分割图像样本输入至所述下采样编码器进行特征提取和分组卷积处将所述待分割图像样本输入至特征提取层进行图像特征提取处理，得到图像特征数将所述图像特征数据输入至对应的组卷积层，通过所述组卷积层进行分组卷积处理，将所述第一卷积数据输入至下一个所述特征提取层，将下一个所述将所述待分割图像样本和所述第一图像数据输入至上采样解码器进行上采样和将所述待分割图像样本和所述第一图像数据输入至所述第一上采样层进行上采样处将所述图像上采样数据输入至对应的组卷积层，通过所述组卷积层进行分组卷积处将所述第二卷积数据和所述第一图像数据输入至下一个第一上采样层将所述目标第二卷积数据输入至所述第二上采样层进行上采样处理4.根据权利要求2或3所述的舌像分割方法，其特征在于，3将所述标准化数据输入至组卷积处理子模块，通过所述组卷积处对输入至所述组卷积层的数据和所述第一组卷积注意力数据进行融合和标准化处理，将所述第一融合标准化数据输入至前馈神经网络模块进行卷积和激活对所述第一融合标准化数据和所述卷积激活数据进行融合处理，得将所述第二卷积激活数据输入至所述组卷积单元，通过所述组将所述第二卷积激活数据输入至所述第一组卷积，根据输入通道对所述第一组卷积数据进行深度分离卷积处理和深度分离扩张卷积将所述深度卷积数据输入至所述第二组卷积，根据输入通道数对所述第二卷积激活数据和所述第二组卷积数据进行注意力提取处理，不为整数时4样本模型获取模块，用于获取多个待分割图像样本、对应的多个第一图像数据获取模块，用于将待分割图像样本输入至所初始图像分割结果获取模块，用于将所述待分割图像样舌像分割结果获取模块，用于获取目标待分割图像；将所述目9.一种计算机可读存储介质，所述计算机可读存储介质存5[0005]获取多个待分割图像样本、对应的多个图像分割结果样本以及初始舌像分割模[0007]将所述待分割图像样本和所述第一图像数据输入至上采样解码器进行上采样和6[0014]训练模块，用于根据多个所述图像分割结果样本和多个于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本申请中的具体含义。7[0031]步骤2：将待分割图像样本输入至所述下采样编码器进行特征提取和分组卷积处[0036]步骤3：将所述待分割图像样本和所述第一图像数据输入至上采样解码器进行上[0040]步骤33：将所述第二卷积数据和所述第一图像数据输入8割结果第n张图像中位置h和w的真实标签第c类的值，yn,h,w,c为图像分割结果样本第n张编码器和上采样解码器都是采用了分组卷积和深度分离卷积和深度分离扩张卷积的方式操作保留原有特征特性以及防止数据集中在9[0057]其中，子步骤21的卷积和激活可以通过图3中间黑色虚线框中的1×1Conv和GELU[0059]其中，所述组卷积单元(LSKA_SF)包括依次连接第一组卷积(1×1GConv1)和第二[0069]子步骤222：对所述第一组卷积数据进行深度分离卷积处理和深度分离扩张卷积1DW_Conv和7×1DW_Conv用于实现深度[0073]子步骤224：对所述第二卷积激活数据和所述第二组卷积数据进行注意力提取处[0076]其中，子步骤23的卷积处理可以采用组卷积单元(LSKA_SF)下方的卷积(1×[0077]子步骤3：对输入至所述组卷积层的数据和所述第一组卷积注意力数据进行融合[0079]子步骤4：将所述第一融合标准化数据输入至前馈神经网络模块进行卷积和激活[0099]第一图像数据获取模块102，用于将待分割图像样本输入至所述下采样编码器进[0100]初始图像分割结果获取模块103，用于将所述待分割图像样本和所述第一图像数[0101]训练模块104，用于根据多个所述图像分割结果样本和多个所述初始图像分割结[0103]需要说明的是，本申请第二实施例提供的舌像分割装置100在执行舌像分割方法以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中选定的功能的装置。这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框其他可编程设备上执行的指令提供用于实现在流程图一个流程或多