龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：浙江工业大学
申请日：2024-01-31
公开（公告）日：2024-04-12
公开（公告）号：CN117876788A
主分类号：G06V10/764
分类号：G06V10/764;G06V10/82;G06V10/80;G06V10/774;G06N3/0455;G06N3/0464;G06N3/084
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.04.30#实质审查的生效;2024.04.12#公开
摘要：一种基于裂隙灯图像分类多任务模型训练的白内障多粒度分类方法，构建基于多任务学习的白内障多粒度分类网络，结合图像分类任务和图像生成任务，并获得更多粒度的白内障分类结果；图像分类任务以自注意力机制作为特征提取的主要方法；图像生成任务以扩散模型作为提取无噪特征的主要方法，通过偏微分方程将噪声逐渐传播和平滑化，在保持图像边缘和结构完整性的同时，减少图像中的噪声影响；利用交叉注意力机制将两种任务的特征进行融合，动态调整不同任务之间的特征权重，采用多项指标对所提出的方法进行有效性验证。本发明能够提高白内障多粒度分类的准确率和可靠性，有效地克服裂隙灯图数据集中存在的噪声问题，实现了更精细的白内障分类结果。
主权项：1.一种基于裂隙灯图像分类多任务模型训练的白内障多粒度分类方法，其特征在于，所述方法包括以下步骤：步骤一、搭建白内障多粒度分类网络框架；构建基于扩散模型的白内障多粒度分类网络模型，提升网络在学习白内障多粒度特征时对于裂隙灯图噪声的鲁棒性；步骤二、训练白内障多粒度分类网络模型；通过三阶段的训练方法分别训练原始多粒度白内障分类分支、基于扩散模型的图像生成分支以及分类器，提升白内障多粒度分类网络模型对于裂隙灯图像中噪声的鲁棒性；步骤三、数据集预处理；裁切初始的裂隙灯图像，并将裁切后的裂隙灯图根据已有标签分成九个类别；步骤四、白内障分类测试；将裂隙灯图输入到训练好的白内障多粒度分类网络模型中测试模型的准确率。
全文数据：
权利要求：
百度查询： 浙江工业大学 基于裂隙灯图像分类多任务模型训练的白内障多粒度分类方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号