摘要
基于纹理鞅和CNN‑Transformer的皮肤病变分割方法属图像处理技术领域,本发明包括:设计并引入纹理鞅模块,基于统计鞅模型对图像进行二阶纹理特征提取;构建双分支特征提取框架,融合卷积神经网络(CNN)与Transformer结构;在CNN与Transformer分支间引入交叉注意融合模块,构建跨模态特征之间的深度交互机制;设计深度语义融合模块,融合CNN与Transformer提取的高层特征,结合特征自适应卷积、前馈网络、归一化与残差连接。本发明能显著提升皮肤病变图像分割的准确率和鲁棒性,优于现有的混合架构,具有较强的分割效果。
技术关键词
皮肤病变分割方法
表达式
多头注意力机制
图像灰度共生矩阵
前馈神经网络
数学
融合卷积神经网络
代表
直方图均衡化方法
输出特征
多层感知机
深度特征融合
皮肤病图像
编码器
纹理特征提取
系统为您推荐了相关专利信息
PAM4信号
光信号检测方法
振幅调制技术
光信号检测系统
硬件加速器
集成预测方法
时间序列模型
遗传算法优化神经网络
排放量
蒙特卡洛
水文观测站
洪水预报方法
前馈神经网络
集总式水文模型
汇流计算方法
缺陷成像方法
信号接收装置
无损结构
多模态
定位缺陷