[发明专利]基于膨胀卷积的多尺度特征的皮肤病变深度学习识别系统在审
| 申请号： | 201711275019.7 | 申请日： | 2017-12-06 |
| 公开（公告）号： | CN107958271A | 公开（公告）日： | 2018-04-24 |
| 发明（设计）人： | 漆进;胡顺达;史鹏 | 申请（专利权）人： | 电子科技大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G06N3/08;G06T7/00;G06T7/136;G06T7/187;G06T7/194 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 611731 四川省成*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明的目的针对由于黑色素瘤皮肤病变分割的难度大，传统提取特征再分类的方法效果差，训练样本少，样本间差异大，提供一种基于膨胀卷积的多尺度深度学习识别系统，该系统包括首先对训练样本进行数据增强，归一化处理，然后训练提出的基于膨胀卷积的多尺度特征学习神经网络，之后去得到的预测概率图，进行多阈值分割，完成对黑色素瘤皮肤病图片的分割。最终提高分割准确率。 | ||
| 搜索关键词： | 基于 膨胀 卷积 尺度 特征 皮肤 病变 深度 学习 识别 系统 | ||
【主权项】：
一种基于膨胀卷积的多尺度深度学习识别系统，所述方法包括：(1)对样本库样本分为训练样本和验证样本，样本库中图片进行预处理，得到处理后的图片；(2)构建深度神经网络，将(1)中处理后的图片依批次输入网络，使用有动量的梯度下降法进行优化网络，得到训练完成的网络；(3)对测试样本图片进行如(1)中的预处理，得到处理后的测试图片；(4)将(3)中得到的处理后的测试图片输入训练好的网络中，得到预测图片；(5)对(4)中得到的预测图片进行后处理，完成对测试图片的分割。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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电子科技大学，未经电子科技大学许可，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/patent/201711275019.7/，转载请声明来源钻瓜专利网。
