改进U-Net网络的中医舌图像分割方法研究

摘要

针对传统分割方法在舌图像分割任务中存在精度低、边缘细节丢失的问题,提出一种基于改进U-Net模型的中医舌图像分割方法.该方法使用VGGNet16的卷积层替代传统U-Net的特征提取模块,能够有效提取5个层级的特征信息;并且,优化特征融合方法,保留底层和高层信息并保持输入输出的尺寸一致性,并通过迁移学习方法,提高了学习效率.通过自采集的中医舌图像数据集进行评估验证,其平均交并比和平均像素精度分别为97.91％、98.95％.实验表明,该方法在舌图像数据集上具有较好的分割效果.