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:珠海全一科技有限公司
摘要:本申请提供一种基于SAM基础模型的动态决策图像分割方法,包括:对获取的眼底图像进行去噪锐化预处理,使用SAM识别处理后眼底图像中的关键区域和非关键区域,使用区域生长确立区域的边界和位置;使用眼底图像数据建立眼底特征提取模型,得到区分关键区域和非关键区域的特征,并赋予不同权重;为AI‑Agent增加层次注意力机制,聚焦至主要关键区域进行特征提取和处理,主要关键区域分析完成后,转向次关键区域;处理完关键区域后,AI‑Agent获取和分析分割结果,关注分割质量和识别问题,并根据获取的结果反馈进行增量学习;根据用户反馈,AI‑Agent自动调整分割策略,实时向用户报告进度和结果。
主权项:1.一种基于SAM基础模型的动态决策图像分割方法,其特征在于,所述方法包括:对获取的眼底图像进行去噪锐化预处理,使用SAM识别处理后眼底图像中的关键区域和非关键区域,使用区域生长确立区域的边界和位置;使用眼底图像数据建立眼底特征提取模型,得到区分关键区域和非关键区域的特征,并赋予不同权重;获取图像的关键区域特征后,采用任务适应策略,在基于任务适应策略的AI-Agent内多个分割任务共享关键区域特征,根据不同任务的需求对特征进行微调以实现分割目标,包括:从眼底视网膜图像中获取关键区域特征,关键区域包括视网膜血管、视神经盘、黄斑,获取关键区域的特征表示mask;将提取的关键区域特征mask输入到AI-Agent中,为每个分割任务,包括分割血管、视神经盘或黄斑,选择和提取相关特征子集,使AI-Agent根据当前任务需求选择与不同分割任务相关的特征子集,得到基于任务适应策略的AI-Agent;通过支持向量机递归特征消除,根据支持向量机对特征赋予的权重,递归地消除特征,保留对分类最有贡献的特征,确保提取的特征子集具有相关性和辨识力;针对每个任务采用的特征变换进行微调,确保特征空间与SAM的encoder模块要求匹配,所述encoder模块要求是特征维度、特征类型和分布和模型兼容性一致,若某个分割任务的特征空间分布与SAM的encoder模块要求不匹配,采用线性映射进行特征子集的调整;将微调后的特征子集输入到基于任务适应策略的AI-Agent对应的SAM的encoder模块中;根据每个分割任务的计算方式,反复输入适配后的特征,直到得到分割精度高于预设精度的分割结果,对于分割精度低于预设精度的分割任务,多次迭代微调特征和SAM参数;根据分割结果对特征微调过程进行评估和反馈,若反馈分割结果不满足需求,分析问题是否出在特征选择或特征变换上,并相应地调整基于任务适应策略的AI-Agent;监测基于任务适应策略的AI-Agent性能,当基于任务适应策略的AI-Agent在执行某项任务时性能出现下降时,实施增量更新机制,调整关键区域的特征提取策略,更新注意力分配模式,并重新训练,优化单任务表现,包括:设定周期性的评估点,使用准确度、召回率和F1分数指标评估AI-Agent的性能,实时监控模型的输出,关注使模型性能下降的任务;当性能指标低于预设的阈值,或相对于前一个评估点有高于预设百分比的下降时,触发问题识别机制;对性能下降的任务进行分析,确定问题方向,包括特征提取问题和数据分布变化;获取对当前任务表现下降有贡献的特征,判断是否需要引入新的特征或剔除无用的特征;若问题方向为特征提取问题,引入新的特征提取方法,使用更新的眼底特征提取模型,或调整现有眼底特征提取模型参数;根据错误分析的结果重新调整注意力权重,使模型关注于关键区域;若问题方向为数据分布的变化,通过数据增强或重新采样来适应新的数据分布,更新训练和验证数据集,加入最新的或性能下降相关的数据;根据更新后的特征和调整后数据集,重新训练模型,优化学习率和正则化强度超参数,提高模型的性能和泛化能力;在独立的测试集上验证更新后的模型性能,持续监控模型性能,确保改进措施有效,且没有引入新的问题;根据调整后的关键区域特征,建立眼底图像关键区域特征库,当新的眼底图像输入系统时,检索匹配特征库中的样本图像,提取与新图像匹配度高于预设相似度的关键区域位置信息,确定AI-Agent的注意力区域;在AI-Agent确定注意力区域后,根据共享特征学习和任务适应策略,进行眼底图像分割任务,获取分割结果,并将新的特征和结果更新至眼底图像关键区域特征库;为AI-Agent增加层次注意力机制,聚焦至主要关键区域进行特征提取和处理,主要关键区域分析完成后,转向次关键区域;处理完关键区域后,AI-Agent获取和分析分割结果,关注分割质量和识别问题,并根据获取的结果反馈进行增量学习;根据用户反馈,AI-Agent自动调整分割策略,实时向用户报告进度和结果。
全文数据:
权利要求:
百度查询: 珠海全一科技有限公司 一种基于SAM基础模型的动态决策图像分割方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。