一种基于深度学习的粘连和堆叠颗粒图像分割方法
实质审查的生效
摘要
本发明涉及一种基于深度学习的粘连和堆叠颗粒图像分割方法，属于计算机图像分割领域。该方法包括：S1：对颗粒图像数据进行标注；S2：构建深度学习神经网络模型，使用颗粒图像及步骤S1得到的标注图作为训练集进行网络训练，即通过反向传播算法调整网络参数；S3：利用步骤S2构建的深度学习神经网络模型对颗粒图像进行实例分割；S4：对颗粒图像的实例分割结果进行统计分析。本发明能对粘连与堆叠颗粒图像进行实例分割，得到不同颗粒的标记图像，从而解决粘连与堆叠颗粒的计数问题。
基本信息
专利标题 ：
一种基于深度学习的粘连和堆叠颗粒图像分割方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114283147A
申请号 ：
CN202111459483.8
公开（公告）日 ：
2022-04-05
申请日 ：
2021-12-02
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
朱红军韩跃虎
申请人 ：
重庆邮电大学
申请人地址 ：
重庆市南岸区黄桷垭崇文路2号
代理机构 ：
北京同恒源知识产权代理有限公司
代理人 ：
廖曦
优先权 ：
CN202111459483.8
主分类号 ：
G06T7/10
IPC分类号 ：
G06T7/10 G06K9/62 G06N3/04 G06N3/08 G06V10/774 G06V10/764 G06V10/82
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06T
一般的图像数据处理或产生
G06T7/10
分割；边缘检测
法律状态
2022-04-22 ：
实质审查的生效
IPC(主分类) : G06T 7/10
申请日 : 20211202
申请日 : 20211202
2022-04-05 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
