摘要
本发明提供了一种基于成对比较学习的胚胎图像自动聚焦方法、设备及介质,采集若干组胚胎图像集,每组胚胎图像集均为聚焦过程中拍摄的若干张胚胎图像,并呈现出模糊到聚焦再到模糊的规律;构建胚胎样本对;将胚胎样本对输入神经网络模型进行训练;将待自动聚焦的胚胎图像集输入训练后的神经网络模型,得到待自动聚焦的胚胎图像集中的最佳焦距的胚胎图像。能够自动地从不同长度的胚胎图像训练样本数据中准确的提取有用的特征,并进行学习和优化,无需人工干预。通过深度学习算法的应用,研究人员可以从繁琐的特征提取工作中解放出来,更加专注于研究设计和结果分析等核心任务。
技术关键词
图像自动聚焦方法
胚胎
输入神经网络模型
排序损失
混合损失函数
标签
特征提取模块
Sigmoid函数
重构
图像训练样本
深度学习算法
可读存储介质
正则化参数
处理器
存储器
计算机
系统为您推荐了相关专利信息
人工智能模型
代表
网关
Sigmoid函数
列表
干扰信号识别方法
输入神经网络模型
窄带滤波器
时序特征
噪声干扰信号