公开(公告)号：CN114399634B

公开(公告)日：2024-05-17

申请号：CN202210267031.8

申请日：2022-03-18

Applicant: 之江实验室

Inventor： 贾士绅 ,  薛梦凡 ,  朱闻韬

IPC: G06V10/764 ,  G06V10/44 ,  G06V10/774 ,  G06V10/82 ,  G06V10/80 ,  G06N3/0895 ,  G06N3/096

Abstract: 本发明公开了一种基于弱监督学习的三维图像分类方法、系统、设备及介质，本发明采用多示例学习，使用具体切片标签的数据集进行网络训练，采用迁移学习来进行三维图像的特征提取，随后构建一种基于双阶段注意力的多示例学习分类网络，实现了三维图像的快速准确分类。本发明采用一种弱监督策略，无需大量标注的数据集，减少了数据收集与前期处理的工作量，同时提出的基于双阶段注意力的分类网络，相比于其它深度学习分类方法，大幅的提升了分类速度与分类准确率，且具有更高的适应性和鲁棒性，具有更高的实用性。

公开(公告)号：CN114399634A

公开(公告)日：2022-04-26

申请号：CN202210267031.8

申请日：2022-03-18

Applicant: 之江实验室

Inventor： 贾士绅 ,  薛梦凡 ,  朱闻韬

IPC: G06V10/25 ,  G06K9/62 ,  G06T7/00 ,  G06T7/11 ,  G16H30/20 ,  G06V10/764 ,  G06V10/762

Abstract: 本发明公开了一种基于弱监督学习的三维图像分类方法、系统、设备及介质，本发明采用多示例学习，使用具体切片标签的数据集进行网络训练，采用迁移学习来进行三维图像的特征提取，随后构建一种基于双阶段注意力的多示例学习分类网络，实现了三维图像的快速准确分类。本发明采用一种弱监督策略，无需大量标注的数据集，减少了数据收集与前期处理的工作量，同时提出的基于双阶段注意力的分类网络，相比于其它深度学习分类方法，大幅的提升了分类速度与分类准确率，且具有更高的适应性和鲁棒性，具有更高的实用性。