System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于图像判别,具体涉及一种基于改进型yolo模型的图像判别系统。
技术介绍
1、图像判别是指利用计算机对图像进行处理、分析和理解,以识别各种不同模式的目标和对象的技术。
2、现有的图像判别系统一般需要其学习后才能够进行判别,然而,在一些特殊的领域中,例如,医学领域,通过图像判别系统难以判别病灶的程度,医生在长时间的观察过程中,也容易造成视觉疲劳,对病灶造成错误的判别,影响医生对疾病的诊断效率;例如,当图像中存在判别系统未知的事物时,判别系统可能会直接忽略,影响判别系统在判别图像过程中的准确率。此外,在进行图像判别的过程中,其处理图像的效率较低,针对一些图像有噪点、其他杂物的图像,容易造成误判。
3、公开于该
技术介绍
部分的信息仅仅旨在增加对本专利技术的总体背景的理解,而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。
技术实现思路
1、本专利技术的目的在于提供一种基于改进型yolo模型的图像判别系统,其能够判断当前生成图像的状态等参数,便于批量对比,能够对图像进行处理,保证图像的清晰度,避免造成误判。
2、为了实现上述目的,本专利技术一具体实施例提供的技术方案如下:
3、一种基于改进型yolo模型的图像判别系统,包括采集模块、图像处理模块、图像生成模块、对比模块,所述采集模块用于采集图像,所述图像处理模块用于对图像进行处理,使得图像更加清晰,所述图像生成模块提取由采集模块采集的图像中图像的状态
4、在本专利技术的一个或多个实施例中,所述基于改进型yolo模型的图像判别系统包括存储模块,所述存储模块用于存储采集模块采集的图像,同时能够存储模板图像。
5、在本专利技术的一个或多个实施例中,所述除杂模块包括降噪模块、除雾模块和遮挡处理模块,所述降噪模块用于在原图像上直接进行数据运算,对像素的灰度值进行处理,所述除雾模块用于估计传输矩阵、大气光和透射率图,得到每个像素中的雾气,利用估计传输矩阵、大气光和透射率图去除图像中的雾气,以得到更清晰的图像,所述遮挡处理模块基于扩散模型的真实图像编辑方法获取遮挡除的图像。
6、在本专利技术的一个或多个实施例中,所述图像生成模块用于将整个图像输入至神经网络中,通过对图像进行卷积和池化,将图像分成多个网格,每个网格预测出该网格内是否存在目标以及目标的位置和类别。
7、在本专利技术的一个或多个实施例中,所述图像生成模块将图像分成若干等分的分割图像,并通过若干与所述分割图像匹配的图像生成模块对分割图像进行处理,处理完成后进行整合。
8、在本专利技术的一个或多个实施例中,所述改进型yolo模型将分割图像分成(3*3)~(15*15)个网格,每个所述网格预测n个边界框,每个所述边界框包含x、y、w、h和置信度,所述x、y、w、h和置信度均为预测值。
9、在本专利技术的一个或多个实施例中,所述x和y表示边界框中心点在该网格中的位置,所述w和h表示边界框的宽度和高度,所述置信度表示该边界框中是否存在目标。每个所述边界框还会预测出目标的类别概率,所述类别概率与置信度相乘,得到最终的目标概率。
10、在本专利技术的一个或多个实施例中,所述基于改进型yolo模型的图像判别系统包括显示模块、手动处理模块,所述显示模块用于显示图像处理模块、图像生成模块和对比模块,通过手动处理模块能够分别对图像处理模块、图像生成模块和对比模块进行手动操作。
11、在本专利技术的一个或多个实施例中,所述模板图像由若干个静态图组成,形成动态图,所述第一张静态图与最后一张静态图形成运动区间,运动区间与采集图像对比。
12、在本专利技术的一个或多个实施例中,所述对比模块用于获得图像的像素方差并进行对比。
13、与现有技术相比,本专利技术的一种基于改进型yolo模型的图像判别系统使用模板图像与图像生成模块生成的图像进行比对,能够判断当前生成图像的状态等参数,便于批量对比,避免人工判别过程中视觉疲劳影响判断的准确率;在判别之前,能够对图像进行处理,保证图像的清晰度,避免造成误判。
本文档来自技高网...【技术保护点】
1.一种基于改进型YOLO模型的图像判别系统,其特征在于,包括:
2.根据权利要求1所述的一种基于改进型YOLO模型的图像判别系统,其特征在于,所述基于改进型YOLO模型的图像判别系统包括存储模块,所述存储模块用于存储采集模块采集的图像,同时能够存储模板图像。
3.根据权利要求2所述的一种基于改进型YOLO模型的图像判别系统,其特征在于,所述除杂模块包括:
4.根据权利要求1所述的一种基于改进型YOLO模型的图像判别系统,其特征在于,所述图像生成模块用于将整个图像输入至神经网络中,通过对图像进行卷积和池化,将图像分成多个网格,每个网格预测出该网格内是否存在目标以及目标的位置和类别。
5.根据权利要求1或4所述的一种基于改进型YOLO模型的图像判别系统,其特征在于,所述图像生成模块将图像分成若干等分的分割图像,并通过若干与所述分割图像匹配的图像生成模块对分割图像进行处理,处理完成后进行整合。
6.根据权利要求5所述的一种基于改进型YOLO模型的图像判别系统,其特征在于,所述改进型YOLO模型将分割图像分成(3*3)~(15
7.根据权利要求6所述的一种基于改进型YOLO模型的图像判别系统,其特征在于,所述x和y表示边界框中心点在该网格中的位置,所述w和h表示边界框的宽度和高度,所述置信度表示该边界框中是否存在目标。每个所述边界框还会预测出目标的类别概率,所述类别概率与置信度相乘,得到最终的目标概率。
8.根据权利要求1所述的一种基于改进型YOLO模型的图像判别系统,其特征在于,所述基于改进型YOLO模型的图像判别系统包括显示模块、手动处理模块,所述显示模块用于显示图像处理模块、图像生成模块和对比模块,通过手动处理模块能够分别对图像处理模块、图像生成模块和对比模块进行手动操作。
9.根据权利要求1所述的一种基于改进型YOLO模型的图像判别系统,其特征在于,所述模板图像由若干个静态图组成,形成动态图,所述第一张静态图与最后一张静态图形成运动区间,运动区间与采集图像对比。
10.根据权利要求1所述的一种基于改进型YOLO模型的图像判别系统,其特征在于,所述对比模块用于获得图像的像素方差并进行对比。
...【技术特征摘要】
1.一种基于改进型yolo模型的图像判别系统,其特征在于,包括:
2.根据权利要求1所述的一种基于改进型yolo模型的图像判别系统,其特征在于,所述基于改进型yolo模型的图像判别系统包括存储模块,所述存储模块用于存储采集模块采集的图像,同时能够存储模板图像。
3.根据权利要求2所述的一种基于改进型yolo模型的图像判别系统,其特征在于,所述除杂模块包括:
4.根据权利要求1所述的一种基于改进型yolo模型的图像判别系统,其特征在于,所述图像生成模块用于将整个图像输入至神经网络中,通过对图像进行卷积和池化,将图像分成多个网格,每个网格预测出该网格内是否存在目标以及目标的位置和类别。
5.根据权利要求1或4所述的一种基于改进型yolo模型的图像判别系统,其特征在于,所述图像生成模块将图像分成若干等分的分割图像,并通过若干与所述分割图像匹配的图像生成模块对分割图像进行处理,处理完成后进行整合。
6.根据权利要求5所述的一种基于改进型yolo模型的图像判别系统,其特征在于,所述改进型yolo模型将分割图像分成(3*3)~(15*15)个网格,每个所述网格预测...
【专利技术属性】
技术研发人员:王晓冬,张文雷,唐广胜,高畅,宋飞飞,高海林,
申请(专利权)人:南京医科大学康达学院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。