基本流程图
2017-03-23 23:20:42 0 举报基本流程图是一种图形化表示过程或操作的常用工具。它由一系列步骤或活动组成，每个步骤之间用箭头连接，以显示它们之间的顺序和关系。在流程图中，通常会使用不同的形状和符号来表示不同类型的步骤，如矩形代表操作步骤，菱形代表判断条件等。通过阅读流程图，人们可以清晰地了解一个过程的执行顺序和所需的各种输入和输出信息。流程图在许多领域都有广泛的应用，如软件开发、生产流程管理和项目管理等。
作者其他创作
大纲/内容
根据动作对边界框进行移动、缩放
根据检测模型得出边界框
开始
根据输出动作对边界框进行移动、缩放
根据当前状态的边界框对原影像进行裁剪、缩放，得到裁剪缩放后的图像
否
将各层特征按由高层到底层的顺序输入cRAM
将解码器中输出的各层特征由高层到底层的顺序输入到rRAM
遍历下一批样本
结束
是
使用预训练的resnet50对影像提取全图特征，并根据边界框裁剪并缩放图片提取局部特征，。将全图特征、局部特征、历史动作组成强化学习网络DQN的输入特征。
输入到分割模型中，得到输出的mask
将分割模型的输出，根据边界框输出系统预测的鼻咽癌病灶
达到最大步数或输出动作为停止
判断动作类型
最后一个样本？
读取用于训练的MRI影像，将T1、T1C、T2三种模态影像按通道拼接。
将mask与真实鼻咽癌病灶进行损失函数的计算，并反向传播，更新分割模型的参数
是否最后一批样本
调整学习率
移动类
停止
根据边界框对T1、T1C、T2三种模态影像进行裁剪、缩放
达到最大epoch
对当前样本使用BGV安全运算计算输出层的z和激活值a
ResNet提取各层特征
将图像输入到分割模型中的编码器，得到各层的特征
初始化历史动作、边界框
对当前样本进行状态编码，输入到训练好的检测模型中，输出动作
将rRAM输出的各层特征按通道结合并输入到模型最后一层使用softmax激活，得到分割模型的输出
将cRAM输出的各层特征输入到深度学习解码器中
缩小类
将DQN的输入特征输入到DQN，输出动作
对当前样本使用BGV安全运算计算隐藏层的z和激活值a
输出鼻咽癌病灶分割结构
将rRAM输出的各层特征按通道结合并输入到模型最后一层使用sigmoid激活
0 条评论
下一页
