摘要
本发明涉及一种基于深度学习的牙位识别方法,包括:S1:获取口扫平面牙颌数据,并处理生成图像文件;S2:将图像文件和一一对应的图像标签制作成目标检测框架要求的数据集格式;S3:使用基于深度学习的目标检测网络对S2制作的数据进行训练;S4:用S3中的目标检测网络,对口扫平面进行牙位检测和识别,获取检测结果。本发明的基于深度学习的牙位识别方法通过改进网络检测模型,能够对口扫平面数据利用AI目标检测的结果确定牙齿的标号,大幅改善了以往目标检测框架在对口扫平面数据进行牙位识别时,有明显的方向感知缺陷,即无法准确分清口扫平面的左右的问题,可快速准确地确定口扫平面数据中唯一的牙位。
技术关键词
识别方法
注意力
生成图像文件
计算机执行指令
网络检测模型
感知缺陷
数据输出模块
通道
数据处理模块
计算机程序产品
成像设备
网络模块
处理器通信
输出特征
识别系统
识别装置
系统为您推荐了相关专利信息
卷积神经网络模型
注意力机制
识别方法
数据分类
参数
内窥镜彩色图像
高频特征
超分辨率
融合特征
深度图
异常识别方法
交叉注意力机制
图像特征向量
道路异常识别
语义特征