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：桂林理工大学
申请日：2024-03-03
公开（公告）日：2024-06-04
公开（公告）号：CN118135300A
主分类号：G06V10/764
分类号：G06V10/764;G06V10/80;G06V10/82;G06N3/047;G06N3/084
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.06.21#实质审查的生效;2024.06.04#公开
摘要：本发明专公开了一种基于操作重要性改进PC‑Darts网络的色素性皮损图像分类的神经架构搜索方法。从ISIC官网和Kaggle官网上下载并处理ISIC2017数据集和HAM10000数据集；设计架构更新策略，引入了每个操作的重要性作为架构参数更新的标准；使用ISIC2017数据集训练改进的PC‑Darts；将改进的PC‑Darts网络迁移到HAM10000数据集进行验证。经验证，本发明通过这种自动构建方式得到的神经网络在分类准确性上超过了ARL‑CNN和Dilated‑VGG19等SOTA方法，为真实场景下的皮肤癌识别提供了技术支持。
主权项：1.一种基于操作重要性改进PC-Darts网络的色素性皮损图像分类的神经架构搜索方法，其特征在于，具体步骤如下：（1）从ISIC官网和Kaggle官网上下载并处理ISIC2017数据集和HAM10000数据集；（2）设计架构更新策略，引入了每个操作的重要性作为架构参数更新的标准；（3）在评估指标方面，采用多类敏感度VMC-Sensitivity作为评价指标，该指标能够平等地对待所有类，以全面评价本文所提算法的分类性能；（4）使用ISIC2017数据集训练改进的PC-Darts；（5）将改进的PC-Darts网络迁移到HAM10000数据集进行验证。
全文数据：
权利要求：
百度查询： 桂林理工大学 基于操作重要性改进PC-Darts网络的色素性皮损图像分类的神经架构搜索方法
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