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！

龙图腾网获悉北京航空航天大学申请的专利基于深度学习的超宽视野眼底图像的质量评估方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119851103B 。

龙图腾网通过国家知识产权局官网在2025-10-28发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411684570.7，技术领域涉及：G06V10/98；该发明授权基于深度学习的超宽视野眼底图像的质量评估方法及系统是由谷云超;孙浚峰设计研发完成，并于2024-11-22向国家知识产权局提交的专利申请。

本基于深度学习的超宽视野眼底图像的质量评估方法及系统在说明书摘要公布了：本发明提出一种基于深度学习的超宽视野眼底图像的质量评估方法及系统，属于图像处理领域，包括：S1：将超宽视野眼底图像数据集输入图像预处理模块，得到图像数据；S2：将输入预测模块进行训练，预测模块由3个残差网络组成，每个残差网络包含在4折交叉验证过程中产生的4个子模型；S3：在训练过程中使用引入标签平滑技术的二元交叉熵损失函数对预测模块进行优化；S4：在推理过程中，将待预测的超宽视野眼底图像进行增强，将增强后图像和待预测的超宽视野眼底图像输入训练好的预测模块，聚合所有预测结果作为最终预测结果。本发明方法充分利用超宽视野眼底图像数据，提高模型泛化能力，准确评估图像质量。

本发明授权基于深度学习的超宽视野眼底图像的质量评估方法及系统在权利要求书中公布了：1.一种基于深度学习的超宽视野眼底图像的质量评估方法，其特征在于，包括： 步骤S1：模型训练时，将超宽视野眼底图像数据集输入图像预处理模块，通过水平翻转数据增强增加数据多样性，将数据归一化提升模型稳定性后，得到经过处理的图像数据； 步骤S2：将图像数据输入预测模块进行训练，所述预测模块由3个残差网络：ResNet34d、ResNet50d和ResNext50d组成，每个残差网络包含在4折交叉验证过程中产生的4个子模型； 步骤S3：在训练过程中使用引入标签平滑技术的二元交叉熵损失函数对所述预测模块进行优化，具体包括： 步骤S31：将原始标签调整为独热码的形式，对于超宽视野眼底图像质量评估的二分类任务，将标签0改写为[1,0]，将标签1改写为[0,1]； 步骤S32：对标签进行平滑处理：首先设定标签平滑系数，用于调整正类和负类标签的平滑程度，将标签[1,0]改写为[,]，将标签[0,1]改写为[,]； 步骤S33：通过最小化引入平滑标签的二元交叉熵损失函数来优化参数，避免了在训练过程中对样本的真实标签过度拟合，从而提高了对噪声数据的鲁棒性和泛化能力，公式1~2如下所示： 1 2 其中，N为样本个数，是第张图片的原始标签，是第张图片的预测结果，是标签平滑系数； 步骤S4：在推理过程中，将待预测的超宽视野眼底图像输入推理图像增强模块进行增强，得到测试图像数据，将测试图像数据和所述待预测的超宽视野眼底图像输入训练好的预测模块，聚合所有预测结果作为最终预测结果，具体包括： 步骤S41：将待预测的超宽视野眼底图像进行放大，将宽度和高度调整为预定大小； 步骤S42：对调整尺寸后的图像进行水平翻转，将所述待预测的超宽视野眼底图像和翻转后的图像输入每个所述训练好的子模型分别进行独立预测，取每个残差网络对应的4个子模型预测结果的平均值作为该残差网络的预测结果，最终的预测结果是3个残差网络ResNet34d、ResNet50d和ResNext50d的预测结果的平均值，其中是判定图像质量的概率； 步骤S43：根据预先设定的阈值评估图像质量：大于阈值的图像，判定为高质量图像；小于或等于阈值的图像，则判定为低质量图像。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京航空航天大学，其通讯地址为：100191 北京市海淀区学院路37号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。