公开(公告)号：CN114266920A

公开(公告)日：2022-04-01

申请号：CN202111531480.0

申请日：2021-12-14

Applicant: 北京邮电大学

Inventor： 鄂海红 ,  宋美娜 ,  何佳雯 ,  胡天翼 ,  张如如 ,  李国英 ,  王莉菲 ,  袁立飞

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/44 ,  G06N3/04 ,  G06N3/08

Abstract: 本申请提出了一种基于知识驱动的深度学习图像分类方法和系统，涉及图像分类技术领域，该方法包括：构建基于知识驱动的深度学习图像分类模型，并对构建的模型进行训练；获取待分类的图像，使用特征提取模块对待分类的图像进行特征提取，得到特征向量；将特征向量分别输入先验知识预训练模块和图像分类模块，得到先验知识多标签分类结果和图像分类结果。采用上述方案的本申请能够增强图像特征提取及分类任务的准确度，降低深度学习模型对数据量的依赖程度，缓解部分专业领域的数据收集和标注压力。并且本申请采用多标签分类方式将先验知识融入到深度学习模型的学习中，有效缓解了分割标注带来的压力，提升了系统在部分专业图像分类领域的可用性。

公开(公告)号：CN114549894A

公开(公告)日：2022-05-27

申请号：CN202210067078.X

申请日：2022-01-20

Applicant: 北京邮电大学

Inventor： 宋美娜 ,  鄂海红 ,  张如如 ,  何佳雯 ,  王莉菲 ,  袁立飞

IPC: G06V10/764 ,  G06K9/62

Abstract: 本发明提出一种基于嵌入增强和自适应的小样本图像增量分类方法，该方法包括：获取图像增量分类系统，该系统用于对待分类图像进行分类任务；获取待分类图像，并上传至系统进行识别，在系统识别失败时，获取该类别少量图像作为训练样本，并将其通过特征预训练模块计算得到目标原型，并通过混合关系映射模块对目标原型和/或原始原型进行自适应调整，以更新系统中所有原型，实现对该类别待分类图像的分类识别；在系统识别成功时，将待分类图像通过特征预训练模块、混合关系映射模块和分类器进行分类识别，并输出分类结果。该方法用于增强分类器的可扩展性，以及引入混合关系映射机制，优化样本的原型表示，使系统逐渐适用于所有可见类图像的识别。

公开(公告)号：CN113011485B

公开(公告)日：2023-04-07

申请号：CN202110270878.7

申请日：2021-03-12

Applicant: 北京邮电大学

Inventor： 欧中洪 ,  王莉菲 ,  柴文俊 ,  宋美娜 ,  鄂海红 ,  何佳雯 ,  张如如 ,  李峻迪 ,  袁立飞 ,  贾鑫 ,  黄儒剑

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084 ,  G06T7/00

Abstract: 本申请提出一种多模态多病种长尾分布下眼科疾病分类模型训练及其识别方法和装置，涉及深度学习技术领域，其中，方法包括：获取双模态影像样本，对双模态影像样本进行标注诊断标签；将红外黄斑区眼底影像样本和OCT影像样本分别同时输入第一神经网络进行训练获取第一图像特征信息和第二图像特征信息；根据第一图像特征信息和第一权重、第二图像特征信息和第二权重计算总图像特征信息输入全连接网络获取预测结果；通过反向传播技术不断调整神经网络参数，直到误差值维持在预设阈值，生成眼科疾病分类模型。由此，通过双路卷积神经网络模型学习两种模态影像特征得到与临床诊断流程相似的深度学习模型。

公开(公告)号：CN114549894B

公开(公告)日：2025-01-24

申请号：CN202210067078.X

申请日：2022-01-20

Applicant: 北京邮电大学

Inventor： 宋美娜 ,  鄂海红 ,  张如如 ,  何佳雯 ,  王莉菲 ,  袁立飞

IPC: G06V10/764 ,  G06V10/774

Abstract: 本发明提出一种基于嵌入增强和自适应的小样本图像增量分类方法，该方法包括：获取图像增量分类系统，该系统用于对待分类图像进行分类任务；获取待分类图像，并上传至系统进行识别，在系统识别失败时，获取该类别少量图像作为训练样本，并将其通过特征预训练模块计算得到目标原型，并通过混合关系映射模块对目标原型和/或原始原型进行自适应调整，以更新系统中所有原型，实现对该类别待分类图像的分类识别；在系统识别成功时，将待分类图像通过特征预训练模块、混合关系映射模块和分类器进行分类识别，并输出分类结果。该方法用于增强分类器的可扩展性，以及引入混合关系映射机制，优化样本的原型表示，使系统逐渐适用于所有可见类图像的识别。

公开(公告)号：CN113011485A

公开(公告)日：2021-06-22

申请号：CN202110270878.7

申请日：2021-03-12

Applicant: 北京邮电大学

Inventor： 欧中洪 ,  王莉菲 ,  柴文俊 ,  宋美娜 ,  鄂海红 ,  何佳雯 ,  张如如 ,  李峻迪 ,  袁立飞 ,  贾鑫 ,  黄儒剑

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06T7/00

Abstract: 本申请提出一种多模态多病种长尾分布下眼科疾病分类模型训练及其识别方法和装置，涉及深度学习技术领域，其中，方法包括：获取双模态影像样本，对双模态影像样本进行标注诊断标签；将红外黄斑区眼底影像样本和OCT影像样本分别同时输入第一神经网络进行训练获取第一图像特征信息和第二图像特征信息；根据第一图像特征信息和第一权重、第二图像特征信息和第二权重计算总图像特征信息输入全连接网络获取预测结果；通过反向传播技术不断调整神经网络参数，直到误差值维持在预设阈值，生成眼科疾病分类模型。由此，通过双路卷积神经网络模型学习两种模态影像特征得到与临床诊断流程相似的深度学习模型。