摘要
本发明提供一种面向低质量裂隙灯图像的角膜炎自动识别模型的训练方法,涉及人工智能技术领域,方法包括:采集多个第一裂隙灯图像样本;针对每一个第一裂隙灯图像样本,使用图像质量退化算法生成第二裂隙灯图像样本,将第一裂隙灯图像样本和第二裂隙灯图像样本配对形成训练数据对;基于各训练数据对,对初始裂隙灯图像质量增强子模型进行训练,得到裂隙灯图像质量增强子模型;采集多个第三裂隙灯图像样本;将各第三裂隙灯图像样本分别输入至裂隙灯图像质量增强子模型中,得到裂隙灯图像质量增强子模型输出的各第三裂隙灯图像样本对应的第四裂隙灯图像样本;基于各第四裂隙灯图像样本,对初始角膜炎识别子模型进行训练,得到角膜炎识别子模型。
技术关键词
裂隙灯
图像
增强子
样本
自动识别方法
卷积模块
稠密卷积神经网络
角膜
非暂态计算机可读存储介质
运动模糊核
积层
算法
人工智能技术
处理器
数据
框架
存储器
对比度
噪声
系统为您推荐了相关专利信息
压片机
XGBoost模型
节点
邵氏硬度计
土壤检测技术
高过载环境
结构优化方法
翼型形状
结构单元
结构优化设计技术