[发明专利]一种皮肤病图像分类方法在审
| 申请号： | 201810438389.6 | 申请日： | 2018-05-09 |
| 公开（公告）号： | CN108596273A | 公开（公告）日： | 2018-09-28 |
| 发明（设计）人： | 宋艳枝;郭松陶 | 申请（专利权）人： | 合肥黎曼信息科技有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 上海精晟知识产权代理有限公司 31253 | 代理人： | 冯子玲 |
| 地址： | 230000 安徽省合肥市高新区*** | 国省代码： | 安徽;34 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种皮肤病图像分类方法，涉及图像处理技术领域。本发明包括如下步骤：步骤S01选取图像预处理方式；步骤S02选择组件分类器；步骤S03选择训练方式和整体模型结构；步骤S04模型训练；步骤S05新样本预测。本发明通过给用户输入的皮肤病图像进行预处理，利用深度卷积神经网络作为组件分类器，将设计的整体模型结构通过训练方式训练模型，得到端对端模型，对测试图片进行预测，完成图像分类任务，提高了皮肤病图像的辨识精准度，方便用户快速判断病情，能够得到有效及时医治。 | ||
| 搜索关键词： | 皮肤病 图像分类 整体模型 预处理 卷积神经网络 图像处理技术 图像 图像预处理 新样本预测 测试图片 快速判断 模型训练 选择组件 训练模型 组件分类 端对端 分类器 精准度 辨识 预测 | ||
【主权项】：
1.一种皮肤病图像分类方法，其特征在于，包括如下步骤：步骤S01选取图像预处理方式：针对皮肤病图像具体分析，选取预处理方式；步骤S02选择组件分类器：选择深度卷积神经网络作为组件分类器，设计整体模型结构；步骤S03选择训练方式和整体模型结构：根据预处理方式的复杂程度及计算机的承受能力，确定训练模型的方式；步骤S04模型训练：使用训练集训练端对端模型；步骤S05新样本预测：使用训练好的模型对测试集进行预测，完成图像分类任务。
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合肥黎曼信息科技有限公司，未经合肥黎曼信息科技有限公司许可，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/201810438389.6/，转载请声明来源钻瓜专利网。
