基于MobileNetV2优化的DeeplabV3+目像分割方法研究
信息工程
基于MobileNetV2优化的DeeplabV3+目像分割方法研究
93201
目的：
研究如何利用深度学习方法实现目像分割，为后期目像分类识别提供更为有效的图像预处理方法，推动中医目诊智能化发展。
方法：
将采集获取的目像数据利用数据增强方法实现数据集扩充，然后构建基于MobileNetV2优化的DeeplabV3+目像分割模型，模型训练时借助预训练模型实现迁移学习，最后采用Dice、MIoU度量指标以及模型参数量来综合评价模型及方法的有效性。
结果：
目像分割模型的Dice和MIoU分别为96.31%和95.85%，模型参数量仅为2 714 930。
结论：
基于MobileNetV2优化的DeeplabV3+构建目像分割模型，可实现目像精准分割，为中医目诊数字化研究提供了新方法。
中医目诊目像分割MobileNetV2DeeplabV3+
