针对舌图像舌体边缘分割模糊、小区域分割错误等问题,本研究设计了一种双编码特征提取路径的方法,以获取丰富的信息特征,辅助舌体精确分割。首先,设计双编码特征提取路径,其中,空间信息路径保留空间信息并生成高分辨率特征图,上下文信...针对舌图像舌体边缘分割模糊、小区域分割错误等问题,本研究设计了一种双编码特征提取路径的方法,以获取丰富的信息特征,辅助舌体精确分割。首先,设计双编码特征提取路径,其中,空间信息路径保留空间信息并生成高分辨率特征图,上下文信息路径提高网络提取多尺度特征能力;其次,采用一种特征融合模块,融合空间信息路径和上下文信息路径的输出特征;最后,采用轻量级解码器模块减少模型参数量,提高模型计算效率。结果显示,该方法精确率、召回率、F1分数和平均交并比(mean intersection over union,MIoU)分别达98.82%、98.53%、98.60%和97.67%,模型总参数量和每秒浮点运算次数(floating point operations per second,FLOPs)为7.54 M和67.09 G。结果表明,该方法可有效提高舌体的分割精度,显著改善舌体小区域分割错误和边缘模糊性,为中医舌象智能辅助分析提供必要支撑。展开更多
文摘针对舌图像舌体边缘分割模糊、小区域分割错误等问题,本研究设计了一种双编码特征提取路径的方法,以获取丰富的信息特征,辅助舌体精确分割。首先,设计双编码特征提取路径,其中,空间信息路径保留空间信息并生成高分辨率特征图,上下文信息路径提高网络提取多尺度特征能力;其次,采用一种特征融合模块,融合空间信息路径和上下文信息路径的输出特征;最后,采用轻量级解码器模块减少模型参数量,提高模型计算效率。结果显示,该方法精确率、召回率、F1分数和平均交并比(mean intersection over union,MIoU)分别达98.82%、98.53%、98.60%和97.67%,模型总参数量和每秒浮点运算次数(floating point operations per second,FLOPs)为7.54 M和67.09 G。结果表明,该方法可有效提高舌体的分割精度,显著改善舌体小区域分割错误和边缘模糊性,为中医舌象智能辅助分析提供必要支撑。
