[发明专利]基于对抗生成网络和弱监督学习的数字切片图像分类方法有效
| 申请号： | 202110391347.3 | 申请日： | 2021-04-13 |
| 公开（公告）号： | CN113221948B | 公开（公告）日： | 2022-08-05 |
| 发明（设计）人： | 高哲尧;庄吓海 | 申请（专利权）人： | 复旦大学 |
| 主分类号： | G06V10/764 | 分类号： | G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 上海科盛知识产权代理有限公司 31225 | 代理人： | 丁云 |
| 地址： | 200433 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于对抗生成网络和弱监督学习的数字切片图像分类方法，包括如下步骤：S1：获取有掩码标注和无掩码标注的数字切片图像并将其切分成补丁图像作为源数据，形成真实正样本图像和未标注图像；S2：构建对抗生成网络，包括生成器网络和判别器网络，获取损失函数；S3：循环迭代，优化获取对抗生成网络的最优参数；S4：构建图像分类网络，将训练的生成器网络产生的生成图像以及真实正样本图像输入至所述的图像分类网络中；S5：循环迭代训练，获取图像分类网络的最优参数；S6：应用时，将目标切片图像切分成补丁图像输入至图像分类网络，输出分类结果。与现有技术相比，本发明泛化能力强，所需训练数据少，分类结果准确可靠。 | ||
| 搜索关键词： | 基于 对抗 生成 网络 监督 学习 数字 切片 图像 分类 方法 | ||
【主权项】：
暂无信息
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复旦大学，未经复旦大学许可，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/202110391347.3/，转载请声明来源钻瓜专利网。
