改进PSPNet网络的舌图像分割方法研究

摘要：

传统分割方法在对舌体边缘处理不细致,信息特征丢失严重影响后续分析研究,对此文章提出一种基于改进PSPNet模型的舌图像分割方法.方法使用MobileNet轻量级网络结构代替传统PSPNet的特征提取模块,并引入改进的注意力机制模块有效降低了模型训练时间;另外利用金字塔模块思想,保证了顶层与底层的特征信息,且图像尺寸一致,通过迁移学习提高了学习效率.通过对中医舌象数据集进行的实验评估,得出平均交并比与平均像素精度未受较大影响但训练时间下降了23％.因此,实验证明,文章方法在舌象数据集上具有较好的分割效果,且无须使用较多的计算资源.

关键词：舌体分割、PSPNet、轻量化模型、注意力机制、迁移学习、卷积神经网络

所属期刊栏目：19

分类号：TP317(计算技术、计算机技术)

资助基金：吉林省职业教育立项课题2021XHZ040

在线出版日期：2023-04-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：12-15