[发明专利]一种基于深度学习的皮肤病图片病变类型分类方法有效
申请号: | 201811524821.X | 申请日: | 2018-12-13 |
公开(公告)号: | CN109493342B | 公开(公告)日: | 2021-02-09 |
发明(设计)人: | 方健男;端阳;孙玲玲 | 申请(专利权)人: | 杭州电子科技大学 |
主分类号: | G06T7/00 | 分类号: | G06T7/00;G06T7/11;G06K9/62;G06N3/08 |
代理公司: | 杭州君度专利代理事务所(特殊普通合伙) 33240 | 代理人: | 朱月芬 |
地址: | 310018 浙*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 深度 学习 皮肤病 图片 病变 类型 分类 方法 | ||
1.一种基于深度学习的皮肤病图片病变类型分类系统,其特征在于:
该系统先获取不同的皮肤病变图片;对皮肤病变图片进行数据预处理,预处理为将不同尺寸的皮肤病变图片进行缩放至设置好的两个固定尺寸;
该系统对皮肤病变图片数据扩增,对经过预处理的皮肤病变图片进行包括随机裁剪、随机翻转、随机旋转和随机形变在内的变换,所有的变换均有概率发生,即可能发生变换也可能不发生变换;
将扩增后的皮肤病变图像数据输入到卷积神经网络;所述的卷积神经网络为改进了ResNet50、InceptionV3网络,保留ResNet50平均池化层和InceptionV3平均池化层之前的部分,并对两个改进后的网络的输出张量在深度的维度上进行拼接,然后送入到分类器中;所述的分类器包含两个全连接层,第一个全连接层用于整合之前的张量特征;第二个全连接层用于产生分类结果;
该系统采用损失函数加权的方式解决数据样本分布不平衡的问题,损失函数的加权值为每一类样本出现频率的倒数;
使用超大规模视觉图像挑战赛中的图片所训练的权重,通过该权重对卷积网络进行初始化;
将扩增后的数据通过模型的输入层送入模型,利用反向传播算法对模型进行优化训练;
通过反向传播算法对模型权重进行训练;
将模型训练后的权重保存,使用该权重对皮肤病变图片进行分类。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于杭州电子科技大学,未经杭州电子科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811524821.X/1.html,转载请声明来源钻瓜专利网。
- 上一篇:汽车尾灯动画检测方法、电子设备
- 下一篇:医疗图像异常区域分割方法及设备