摘要
本发明涉及牙齿诊断医疗技术领域,且公开了一种基于改进的Mask R‑CNN的牙齿裂纹检测和分割方法,包括以下步骤:S1、采集数据集:制作包含裂纹的牙齿模型,使用电子显微镜对牙齿模型进行多方位的图像采集,得到原始数据集;S2、扩充数据集:使用数据增强方法处理原始数据集,得到扩充数据集;S3、制作标签和划分数据集:使用标注软件Labelme对原始数据集和扩充数据集中有裂纹的图像进行人工标注,生成对应的图像标签,得到标注数据集,并将标注数据集随机分为训练集、验证集和测试集,其比例为8:1:1。本发明通过使用裂纹特征增强模块来替换1×1卷积,能帮助特征金字塔网络在特征融合中增强不同方向上的裂纹特征,更好地捕捉裂纹的空间和纹理信息。
技术关键词
分割方法
CNN网络结构
特征金字塔网络
牙齿模型
裂纹特征
掩膜
制作标签
电子显微镜
标注软件
监控网络性能
图像
数据
捕捉裂纹
编码器
权重模型
多方位
解码器
训练集
系统为您推荐了相关专利信息
语义分割方法
无监督
生成对抗网络
轻量化卷积神经网络
可见光图像
监督图像分割方法
种子
弱监督语义分割
融合算法
分类网络
场景语义分割方法
多路径特征融合
语义特征
深度学习语义分割
解码器