内容提供者
图像分类模型的训练方法、图像分类方法、装置及设备.pdf
2023-07-24
10金币
1.7MB
31页
雨巷****彦峰
实名认证
内容提供者
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10
亲，该文档总共31页，到这已经超出免费预览范围，如果喜欢就直接下载吧～
相关资料
图像分类模型的训练方法、图像分类方法、装置及设备.pdf
本申请提供了一种图像分类模型的训练方法、图像分类方法、装置及设备，属于人工智能技术领域。方法包括：获取第一样本数据集；获取第二样本数据集；基于第一样本数据集，采用自监督的方式对图像分类模型进行预训练，得到第一图像分类模型；基于第二样本数据集，对第一图像分类模型进行训练，得到目标图像分类模型。上述技术方案，通过在预训练时引入图像类型标签和染色固定标签，使得第一图像分类模型能够学习到样本染色图像本身的特征，该第一图像分类模型能够对细胞进行较为精确的分类，再基于样本细胞图像和细胞标签对该第一图像分类模型进行训练
2023-07-24
10
1.7MB
模型训练方法、图像分类方法和装置.pdf
本公开的实施例提供了一种模型训练方法、图像分类方法和装置。所述模型训练方法包括：首先获取训练样本集，该训练样本集包括样本物品对应的样本图像和样本图像的样本分类结果，样本图像由样本物品对应的样本首图和样本主图组成，然后构建包括残差神经网络和分类网络的初始模型，最后利用机器学习方法，将样本图像作为残差神经网络的输入，获取样本首图对应的第一特征向量和样本主图对应的第二特征向量，将残差神经网络输出的第一特征向量和第二特征向量作为分类网络的输入，样本图像的样本分类结果作为期望输出，对初始模型进行训练，得到图像分类模
2023-06-14
10
921KB
模型训练方法、图像分类方法和装置.pdf
本公开的实施例提供的一种模型训练方法，包括：响应于获取到包括样本图像、样本图像对应的标注信息和查询图像，构建样本图像和查询图像对应的图像对，并构建包括局部特征提取器、语义特征提取器和分类判别器的小样本学习网络，将图像对输入局部特征提取器进行局部特征提取，得到样本图像对应的第一局部特征和查询图像对应的第二局部特征，将第一局部特征和第二局部特征分别输入语义特征提取器进行语义特征提取，得到第一局部特征对应的第一语义特征和第二局部特征对应的第二语义特征，并将第一局部特征和第一语义特征、第二局部特征和第二语义特征分
2023-06-14
10
906KB
图像分类方法，参数训练方法和图像分类装置.pdf
本发明实施例提供一种图像分类方法和装置，参数训练方法，该图像分类方法包括：将输入图像数据输入分类器中，提取输入图像数据的特征向量，根据该特征向量对该输入图像数据进行分类，得到各输入图像数据对应的预测标签，并确定第一损失函数；该标签表示该输入图像数据所属的类别；该输入图像数据包括源域图像数据和目标域图像数据；判别器根据该特征向量的梯度判别该梯度对应的预测域标签是源域或目标域，并确定第二损失函数；根据该第一损失函数和该第二损失函数，训练并更新该分类器和该判别器的参数，直至该第一损失函数和该第二损失函数最优化；
2023-07-21
10
804KB
图像分类方法、图像分类网络训练方法、装置及电子设备.pdf
本申请提供一种图像分类方法、图像分类网络训练方法、装置及电子设备，图像分类方法，包括：获取待分类图像；将待分类图像输入目标图像分类网络中进行分类，得到目标分类结果；其中，目标图像分类网络包括第一卷积层、加权融合模块、第一相加层、第二卷积层以及分类层，第一卷积层的输入包括待分类图像，第一卷积层的输出还与第一相加层的输入连接。即采用一个目标图像分类网络进行分类即可，目标图像分类网络的结构复杂度较低，可减少分类花费的时间，从而可提高图像分类效率。
2023-07-24
10
788KB