一种基于类别原型的半监督图像分类方法.pdf
文本预览下载声明
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117422928A
(43)申请公布日2024.01.19
(21)申请号202311517465.X
(22)申请日2023.11.15
(71)申请人云南联合视觉科技
显示全部
文档详情
相似文档
-
用于图像分类的基于类别自适应模型的无监督域适应方法.pdf
(19)国家知识产权局
(12)发明专利
(10)授权公告号 CN 113011456 B
(45)授权公告日 2022.07.15
(21)申请号 202110171322.2 G06N 3/04 (2006.01)
-
一种基于特征扩增的无监督夜间图像分类方法.pdf
(19)中华人民共和国国家知识产权局
(12)发明专利
(10)授权公告号 CN 112990371 B
(45)授权公告日 2021.09.10
(21)申请号 202110459160.2 CN 112434723 A,2021.03.02
-
一种基于蒸馏网络的半监督图像分类方法.pdf
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 114548279 A
(43)申请公布日 2022.05.27
(21)申请号 202210166402.3 G06V 10/74 (2022.01)
-
基于原型网络的小样本垃圾图像分类方法.pdf
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 114548268 A
(43)申请公布日 2022.05.27
(21)申请号 202210159436.X
(22)申请日 2022.02.16
(71)申请人 南通大学
地址 226000 江
-
基于边缘检测的多类别医学图像分类方法.PDF
-
一种基于类别感知一致性的文本生成图像方法.pdf
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 114565865 A
(43)申请公布日 2022.05.31
(21)申请号 202210099097.0 G06V 10/82 (2022.01)
(22)申请日 2022.01.
-
一种基于弱监督学习的胃镜病理图像分类方法[发明专利].docx
PAGE
1-
一种基于弱监督学习的胃镜病理图像分类方法[发明专利]
一、背景介绍
(1)胃癌是全球范围内最常见的恶性肿瘤之一，其发病率和死亡率在我国居高不下。早期发现和诊断对于提高胃癌患者的生存率至关重要。传统上，胃镜病理图像的诊断依赖于病理医生的经验和专业知识，这一过程耗时较长，且容易受到主观因素的影响。随着医疗影像技术的快速发展，计算机辅助诊断系统逐渐成为提高诊断效率和准确性的重要工具。近年来，深度学习技术在医学图像处理领域的应用取得了显著成果，为胃镜病理图像分类提供了新的解决方案。
(2)胃镜病理图像分类是计算机辅助诊断系统中的一个重要环节，其目的是将胃镜图像自动分类为不同的病理类型，
-
一种基于ROC分析的多类别分类方法的开题报告.docx
一种基于ROC分析的多类别分类方法的开题报告
一、题目
一种基于ROC分析的多类别分类方法
二、背景和意义
传统的分类方法常常只能处理二分类问题，而在实际应用中，我们面对的常常是多类别问题。因此，多类别分类问题一直是机器学习领域的研究热点之一。目前，较为常见的多类别分类方法主要有一对一、一对其他、多对一和多对多等，它们的分类效果、计算复杂度和算法实现等方面的差异较大。
ROC曲线是刻画分类器性能的一种重要方法。当将ROC曲线用于二分类问题时，通常将受试者的真阳性率（TruePositiveRate）作为纵轴，假阳性率（FalsePositiveRate）作为横轴来表示。在多类别分类问题中，同样
-
文本分类中基于位置和类别信息的一种特征降维方法.pdf
-
一种基于二值化图像分类网络的图像分类方法.pdf
(19)国家知识产权局
(12)发明专利
(10)授权公告号 CN 113392899 B
(45)授权公告日 2022.05.10
(21)申请号 202110650074.X G06K 9/62 (2022.01)
-
基于弱监督学习的细粒度图像分类方法研究.pdf
摘要
细粒度图像分类问题就是对大类下的子类进行识别分类。普通的图像分类也就
是粗粒度图像分类是将袋鼠和狗分开，而细粒度图像分类就是将狗类下的哈士奇和
爱斯基摩犬分开。细粒度图像分类涉及更细微的类别区分，通常需要依赖于微小的局
部特征来区分不同类别。相比之下，与人脸识别等对象级分类任务相比，细粒度图像
分类面临更大的挑战，因为类内差异更为显著，涉及光照、遮掩、噪声干扰等多种不
可预见的原因。因此，细粒度图像分类是一项极具挑战性的研究任务。在实际应用中，
识别不同的子类别具有重要的应用场景。例如，在生态保护领域，准确识别不同种类
的生物是进行生态研究的关键。若能够利用计算机视觉技术实现低成本的细粒
-
基于图一致性和半监督模型的标签含噪图像分类方法.pdf
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 114881125 A
(43)申请公布日 2022.08.09
(21)申请号 202210433807.9 G06V 10/774 (2022.01)
-
基于直推式半监督深度学习的多标签图像分类方法.pdf
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 114882279 A
(43)申请公布日 2022.08.09
(21)申请号 202210503639.6 G06N 3/08 (2006.01)
(22)申请日 2022.05.1
-
基于半监督滑窗全卷积网络的极化SAR图像分类方法.pdf
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 112966749 A
(43)申请公布日 2021.06.15
(21)申请号 202110254502.7
(22)申请日 2021.03.09
(71)申请人 中国电子科技集团公司第五十四研
-
基于自监督学习的小样本图像分类方法研究.pdf
基于自监督学习的小样本图像分类方法研究
摘要
小样本图像分类是计算机视觉领域中的热门方向之一，相对于传统的图像分类任务，
小样本图像分类任务更符合图像分类在现实应用中的情景，即用于训练的目标领域标签
样本稀少，分类模型难以学习到目标领域样本的信息特征。近些年来，随着自监督学习
方法的快速发展，不少工作开始使用以对比学习为主的自监督学习技术，来弥补小样本
图像分类任务中模型训练时缺乏标签样本的问题。
使用自监督学习的模型能够更好地提取样本特征张量，但不少工作过于依赖特征提
取器自身的效果，在下游分类阶段仅使用了简单的原型网络来完成小样本图像分类任务，
并没有挖掘样本间存在的信息。为了进一步挖掘这