standard library
文库搜索
切换导航
文件分类
频道
仅15元无限下载
联系我们
问题反馈
文件分类
仅15元无限下载
联系我们
问题反馈
批量下载
(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211386719.4 (22)申请日 2022.11.07 (71)申请人 四川大学华西医院 地址 610044 四川省成 都市武侯区国学巷 37号 (72)发明人 蒋献 张蕾 刘文杰 李佳奇 杜丹 张楗伟 魏新 王君有 (74)专利代理 机构 成都弘毅天承知识产权代理 有限公司 5123 0 专利代理师 谢建 (51)Int.Cl. G16H 30/40(2018.01) G06V 10/74(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01)G06N 3/08(2006.01) A61B 5/00(2006.01) (54)发明名称 基于半监督学习的痤疮分级方法、 系统、 设 备及存储介质 (57)摘要 本发明公开了一种基于半监督学习的痤疮 分级方法、 系统、 设备与存储介质, 涉及面部痤疮 的识别与分级, 其目的在于解决现有技术中存在 的因模型没有包含分级所需的痤疮计数信息而 导致的分级预测准确率低的技术问题。 其通过搭 建半监督学习网络模型, 模型训练时先采用有 标 签样本数据对 学生网络进行有监督训练, 再采用 无标签样 本数据对学生网络、 教师网络进行半监 督训练; 训练过程中, 采用滑动指数平均方式来 通过学生网络的权值更新 教师网络的权值。 本申 请基于半监督面部痤疮分级, 在训练时不需要 过 多的有标签数据, 可以从大量的无标签数据中自 动学习特征, 从而达到有 标签和无标签数据之间 互补。 权利要求书4页 说明书20页 附图2页 CN 115440346 A 2022.12.06 CN 115440346 A 1.一种基于半监 督学习的痤疮分级方法, 其特 征在于, 包括如下步骤: 步骤S1, 获取样本数据 从脸部痤疮公开数据集中获取面部痤疮图像样本数据以及对应的标签, 其中, 面部痤 疮图像样本数据包括有标签样本数据、 无标签样本数据, 标签包括分级标签和痤疮计数标 签; 步骤S2, 搭建模型 搭建半监督学习网络模型, 半监 督学习网络模型包括 一个教师网络和一个学生网络; 步骤S3, 训练模型 利用步骤S1中获取的面部痤疮图像样本数据以及对应的标签, 输入步骤S2中搭建的半 监督学习网络模型, 完成半监 督学习网络模型的训练; 步骤S4, 实时分级 将实时获取的面部 痤疮图像输入半监 督学习网络模型, 输出分级结果; 在步骤S3进行模型的训练时, 具体的训练方法为: 先采用有标签样本数据对学生网络进行有监督训练, 再采用无标签样本数据对学生网 络、 教师网络进行半监督训练; 训练过程中, 采用滑动 指数平均方式来通过学生网络的权值 更新教师网络的权值, 更新公式为: ; 其中, 表示在t时刻时学生网络的权值参数, 表示在t时刻时教师网络的权值参 数, 表示在t‑1时刻时教师网络的权值 参数, 是一个平 滑系数的超参数。 2.如权利要求1所述的一种基于半监督学习的痤疮分级方法, 其特征在于: 脸部痤疮 公 开数据集 为脸部痤疮公开数据集ACNE 04。 3.如权利要求1所述的一种基于半监督学习的痤疮分级方法, 其特征在于: 步骤S3中, 在采用有标签样本数据对学生网络进行有监督训练时 , 采用的分级损失函数 为: 其中, 表示输入的第 张图片, 表示第 张图片的分级标签, 表示控制分布的维 度的参数, 被设置为1, 表示有序分分级值, 其中 , 表示表示痤疮严重程度 的分数总数; 表示实际分布概率, 表示学生模型预测的属于 分级的预测概 率分布; 在计算实际分布概 率 时, 具体公式计算 为:权 利 要 求 书 1/4 页 2 CN 115440346 A 2其中, 是控制分布的维度的参数, 被设置为1, 为有序分级值, 其中 , 表示痤疮严重程度的分数总数, 表示第 张图片的分级标签, 是一个正则化参数以确 保整个部分的概 率总和为1。 4.如权利要求1所述的一种基于半监督学习的痤疮分级方法, 其特征在于: 步骤S3中, 在采用有标签样本数据对学生网络进行有监督训练时 , 采用的计数损失函数 为: 其中, 表示输入的第 张图片, 表示第 张图片的痤疮计 数标签, 是分布的标准 差, 被设置为3, 是痤疮病 变的数量, , 表示痤疮总 个数, 表示 作为输入时学生网络 输出的预测计数概 率; 在计算实际计数概 率 时, 具体公式计算 为: 其中, 是分布的标准差, 被设置为3, 是痤疮病 变的数量, , 表示痤疮 总个数; 表示第 张图片的痤疮计数标签。 5.如权利要求1所述的一种基于半监督学习的痤疮分级方法, 其特征在于: 步骤S3中, 在采 用有标签样本数据对学生网络进行有监督 训练时 , 累计分级 损失函数 为: 其中, 表示输入的第 张图片, 表示第 张图片的分级标签, 表示第 张图片的权 利 要 求 书 2/4 页 3 CN 115440346 A 3
专利 基于半监督学习的痤疮分级方法、系统、设备及存储介质
文档预览
中文文档
27 页
50 下载
1000 浏览
0 评论
0 收藏
3.0分
赞助2.5元下载(无需注册)
温馨提示:本文档共27页,可预览 3 页,如浏览全部内容或当前文档出现乱码,可开通会员下载原始文档
下载文档到电脑,方便使用
赞助2.5元下载
本文档由 SC 于
2024-02-18 22:24:43
上传分享
举报
下载
原文档
(1.3 MB)
分享
友情链接
T-CHIDA 203.3—2021 内河湖库环保疏浚污染土分类分级标准.pdf
信通院 人工智能白皮书-2022年.pdf
DB37-T 3642-2019 全氟己酮灭火系统设计、施工及验收规范 山东省.pdf
GB-T 2794-2022 胶黏剂黏度的测定.pdf
GB-T 33474-2016 物联网 参考体系结构.pdf
GM-T 0087-2020 浏览器密码应用接口规范.pdf
GB-T 34411-2017 基本医疗保险待遇稽核业务规范.pdf
GB-T 37606-2019 钛-钢复合管.pdf
GB-T 37526-2019 太阳能资源评估方法.pdf
T-CI 154—2023 深度学习驱动的智慧交通数据挖掘预测技术规范.pdf
WS 436-2013 医院二次供水运行管理.pdf
奇安信 中国实战化白帽人才能力白皮书.pdf
T-HEBQIA 260—2024 节能型陶瓷砖.pdf
Gartner 网络安全IT路线图 .pdf
T-CRHA 019—2023 人胆系上皮组织类器官构建、质量控制与保藏操作指南.pdf
T-ZSA 152—2023 自动驾驶出租汽车测试运营规范与安全管理要求.pdf
T-CESA 1120—2020 人工智能芯片 面向边缘侧的深度学习芯片测试指标与测试方法.pdf
DB41-T 1787-2019 加油站“边卸边加”技术规范 河南省.pdf
艾瑞咨询 移动应用技术趋势白皮书.pdf
DB4403-T 27-2019 城市轨道交通警用安全防范系统与通信系统技术规范 深圳市.pdf
1
/
27
评价文档
赞助2.5元 点击下载(1.3 MB)
回到顶部
×
微信扫码支付
2.5
元 自动下载
官方客服微信:siduwenku
支付 完成后 如未跳转 点击这里 下载
站内资源均来自网友分享或网络收集整理,若无意中侵犯到您的权利,敬请联系我们
微信(点击查看客服)
,我们将及时删除相关资源。