买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：湖南数定智能科技有限公司

摘要：本发明提出一种高分辨率红眼病案例数据生成方法、设备及存储介质，首先获取人眼图像数据集，人眼图像数据集中的眼睛图像数据包括大量正常眼睛图像数据和红眼病图像数据。融合cyclegan网络和esrgan网络，构建高分辨率红眼病案例数据生成模型并对其进行训练，得到训练好的高分辨率红眼病案例数据生成模型。将待生成红眼病案例数据的眼睛图像数据输入到训练好的高分辨率红眼病案例数据生成模型中，得到红眼病数据案例数据。本发明通过融合cyclegan网络和esrgan网络来构建出新的红眼病案例数据生成模型，解决了高分辨率红眼病数据匮乏的问题。

主权项：1.高分辨率红眼病案例数据生成方法，其特征在于，包括：获取人眼图像数据集，人眼图像数据集中的眼睛图像数据包括正常眼睛图像数据和红眼病图像数据，人眼图像数据集中的所有正常眼睛图像数据构成正常眼睛图像数据集A，人眼图像数据集中的所有红眼病图像数据构成红眼病图像数据集B；融合cyclegan网络和esrgan网络，构建高分辨率红眼病案例数据生成模型并对其进行训练，得到训练好的高分辨率红眼病案例数据生成模型，其中构建高分辨率红眼病案例数据生成模型，包括：基于cyclegan网络构建红眼病数据生成器G_A2B，生成器G_A2B是cyclegan网络中使正常眼睛图像数据集中的正常眼睛图像数据转换成红眼病图像数据的生成函数；同时，为生成器G_A2B引入一个辨别器D_B，作用是判别生成器G_A2B生成的图像数据是否是红眼病图像数据集B中原始的图像数据；基于cyclegan网络构建正常眼睛数据生成器G_B2A，生成器G_B2A是cyclegan网络中使红眼病图像数据集中的红眼病图像数据转换成正常眼睛图像数据的生成函数；同时，为生成器G_B2A引入一个辨别器D_A，作用是判别生成器G_B2A生成的图像数据是否是正常眼睛图像数据集A中原始的图像数据；基于esrgan网络构建高分辨率图像数据生成器G_E；高分辨率图像数据生成器G_E是esrgan网络中提升图像数据分辨率的生成器；同时，为高分辨率图像数据生成器G_E引入辨别器D_E，作用是判别高分辨率图像数据生成器G_E生成的图像数据是否是高分辨率的图像数据；所述高分辨率红眼病案例数据生成模型的训练方法，包括：先使生成器G_A2B和生成器G_B2A保持不变，将正常眼睛图像数据集A中的原始的正常眼睛图像数据和由生成器G_B2A生成的正常眼睛图像数据输入到辨别器D_A中进行训练；同时，将红眼病图像数据集B中的红眼病图像数据和由G_A2B生成的红眼病图像数据输入到辨别器D_B中进行训练；辨别器D_A的损失函数为： 其中GB2A表示生成器G_B2A，DA表示辨别器D_A，GB2Ab表示由生成器G_B2A生成的图像数据；为生成器生成的数据pBb在红眼病图像数据集B上的分布情况，为生成器生成的数据pAa在正常眼睛图像数据集A上的分布情况；DAa表示辨别器D_A对正常眼睛图像数据集A中的某一图像a进行辨别所得的结果，DAGB2Ab表示辨别器D_A对生成器G_B2A生成的图像数据GB2Ab进行辨别所得的结果；当辨别器D_A的损失函数达到最大时，辨别器D_A能够准确地分辨正常眼睛图像数据集A中的原始的正常眼睛图像数据和由生成器G_B2A生成的正常眼睛图像数据时，使辨别器D_A保持不变，将红眼病图像数据集B中的原始的红眼病图像数据输入到生成器G_B2A中进行训练；辨别器D_B的损失函数为： 其中GA2B表示生成器G_A2B，DB表示辨别器D_B，GA2Ba表示由生成器G_A2B生成的图像数据；DBb表示辨别器D_B对红眼病图像数据集B中的某一图像b进行辨别所得的结果，DBGA2Ba表示辨别器D_B对生成器G_A2B生成的图像数据GA2Ba进行辨别所得的结果；当辨别器D_B的损失函数达到最大时，辨别器D_B能够准确分辨红眼病图像数据集B中的原始的红眼病图像数据和由生成器G_A2B生成的红眼病图像数据时，使辨别器D_B保持不变，将正常眼睛图像数据集A中的原始的正常眼睛图像数据输入到生成器G_A2B中进行训练；生成器G_A2B的损失函数为： 生成器G_B2A的损失函数为： 当生成器G_A2B的损失函数和生成器G_B2A的损失函数达到最小时，由生成器G_A2B生成的红眼病图像数据和由G_B2A生成的正常眼睛图像数据分别与原始的红眼病图像数据和正常眼睛图像数据高度相似，此时辨别器D_A无法将正常眼睛图像数据集A中的原始的正常眼睛图像数据和由生成器G_B2A生成的正常眼睛图像数据区分开来，辨别器D_B无法将红眼病图像数据集B中的原始的红眼病图像数据和由生成器G_A2B生成的红眼病图像数据区分开来，生成器G_B2A和生成器G_A2B效果达到最佳；将由此时的生成器G_A2B生成的红眼病图像数据输入到高分辨率图像数据生成器G_E中进行训练，并使用辨别器D_E来判别高分辨率图像数据生成器G_E生成数据的效果，当整体的损失达到最小时，即得到高分辨率红眼病案例数据生成模型，其中整体的损失为： 其中为循环一致性损失， a为正常眼睛图像数据集A中的某一图像，b为红眼病图像数据集B中的某一图像，为感知损失，φ为损失函数网络，CjHjWj表示第j层特征图的大小，φjb表示红眼病图像数据集B中图像b的损失，表示生成的图像的损失，λ＞0；将待生成红眼病案例数据的眼睛图像数据输入到训练好的高分辨率红眼病案例数据生成模型中，得到红眼病数据案例数据。

全文数据：

权利要求：

百度查询： 湖南数定智能科技有限公司 高分辨率红眼病案例数据生成方法、设备及存储介质