一种残膜回收机防缠绕挑膜装置的制 一种秧草收获机用电力驱动行走机构

一种分步分割方法及系统与流程

2023-02-04 10:48:22 来源:中国专利 TAG:

技术特征:
1.一种分步分割方法,其特征在于,包括以下步骤:获取待分割的原影像文件;将原影像文件输入深度学习模型,通过深度学习模型确定标志器官的位置;根据所述标志器官位置确定目标器官的大概位置;截取所述目标器官所在的大致区域;将目标器官所在大致区域输入深度学习模型,通过深度学习模型确定分割后的目标器官。2.根据权利要求1所述的一种分步分割方法,其特征在于:在所述获取待分割的原影像文件之后,所述将原影像文件输入深度学习模型,通过深度学习模型确定标志器官的位置之前,包括:对所述待分割的原影像文件进行预处理。3.根据权利要求1所述的一种分步分割方法,其特征在于:所述将原影像文件输入深度学习模型,通过深度学习模型确定标志器官的位置,包括:对所述原影像文件进行下采样处理,根据处理结果得出下采样后的原影像文件;对所述下采样后的原影像文件进行上采样处理,根据处理结果确定标志器官的位置。4.根据权利要求1所述的一种分步分割方法,其特征在于:所述将目标器官所在大致区域输入深度学习模型,通过深度学习模型确定分割后的目标器官,包括:对所述目标器官所在的大致区域进行下采样处理,根据处理结果得出下采样后的目标器官所在的大致区域;对所述下采样后的目标器官所在的大致区域进行上采样处理,根据处理结果确定分割后的目标器官。5.根据权利要求1所述的一种分步分割方法,其特征在于:在所述将目标器官所在大致区域输入深度学习模型,通过深度学习模型确定分割后的目标器官之后,包括:发送分割后的目标器官至终端设备,并在终端设备上显示分割后的目标器官。6.一种分步分割系统,其特征在于:包括:获取模块,用于获取待分割的原影像文件;截取模块,用于截取所述目标器官所在的大致区域;确定模块,用于将原影像文件输入深度学习模型,通过深度学习模型确定标志器官的位置,根据所述标志器官位置确定目标器官的大概位置;将目标器官所在大致区域输入深度学习模型,通过深度学习模型确定分割后的目标器官。7.一种服务器,其特征在于,包括:至少一个处理器;以及,与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1至5中任一所述的一种分步分割方法。8.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至5中任一所述的一种分步分割方法。

技术总结
本发明提供一种分步分割方法及系统,包括以下步骤:获取待分割的原影像文件;将原影像文件输入深度学习模型,通过深度学习模型确定标志器官的位置;根据所述标志器官位置确定目标器官的大概位置;截取所述目标器官所在的大致区域;将目标器官所在大致区域输入深度学习模型,通过深度学习模型确定分割后的目标器官;本发明的有益效果为:如果直接从原影像文件中分割出目标器官是比较困难,因为目标器官的结构复杂,分割起来比较费时费力,如果从原影像文件中分割出标志器官是比较简单,标志器官结构简单容易识别导致分割模型结构简单,所以使得分割速度较快,所以本发明采用分布器官分割算法,只对大概的目标区域进行分割,从而提高了分割速度。提高了分割速度。提高了分割速度。


技术研发人员:王世威 陈浩 何翔 仵晨阳 胡宇程
受保护的技术使用者:上海域唯医疗科技有限公司
技术研发日:2022.10.25
技术公布日:2023/2/3
再多了解一些

本文用于创业者技术爱好者查询,仅供学习研究,如用于商业用途,请联系技术所有人。

发表评论 共有条评论
用户名: 密码:
验证码: 匿名发表

相关文献