首先,将多张遥感图分别切成36000个网格,分析各网格云层覆盖率,并以覆盖率最低的网格为基底融合成完整无云影像,消除云层影响。 然后,利用DenseUNet深度神经网络对上万个水体样本数据集进行学习,得到水体提取模型,将原始遥感数据输入水体提取模型中,能够快速准确的对水体进行大规模自动提取,并根据提取结果计算区域水网密度...
我们使用级联的方法以减少整体计算时间,首先利用简单ResNet训练后实现肝脏的预分割结果;然后基于肝脏ROI,H-DenseUNet算法利用二维DenseUNet提取片间和片内特征,再提取对应的三维特征并利用复合特征融合层(HFF)实现特征融合,并用于后续的肝脏 值得一提的是,我们提出的H-Dense UNet网络在2017 LiTS 肝脏肿瘤医学影像分割国...
我们使用级联的方法以减少整体计算时间,首先利用简单ResNet训练后实现肝脏的预分割结果;然后基于肝脏ROI,H-DenseUNet算法利用二维DenseUNet提取片间和片内特征,再提取对应的三维特征并利用复合特征融合层(HFF)实现特征融合,并用于后续的肝脏及肿瘤分割。 值得一提的是,我们提出的H-Dense UNet网络在2017 LiTS 肝脏肿瘤...
本发明实施例公开了一种基于inc-denseunet网络识别模型建立方法,针对现有方案存在的缺陷,如形状特征法受到空间的限制大的问题、纹理特征受到计算量太大的问题和unet网络提取特征不明显的问题,创新性的提出了一种基于改进unet网络识别息肉的方法。 本实施例是对unet网络进行改进,针对unet提取特征的问题,加入了提取特征能力比...
图2给出了本文提出的肝脏及肿瘤分割算法的流程图。我们使用级联的方法以减少整体计算时间,首先利用简单ResNet训练后实现肝脏的预分割结果;然后基于肝脏ROI,H-DenseUNet算法利用二维DenseUNet提取片间和片内特征,再提取对应的三维特征并利用复合特征融合层(HFF)实现特征融合,并用于后续的肝脏及肿瘤分割。