公开(公告)号：CN116343001A

公开(公告)日：2023-06-27

申请号：CN202310066178.5

申请日：2023-02-06

Applicant: 华南农业大学

Inventor： 欧健斌 ,  王金凤 ,  成海艳 ,  招奕钧 ,  龚浩强 ,  张子聪

IPC: G06V10/82 ,  G06N3/04 ,  G06N3/096 ,  G06V10/764

Abstract: 本发明公开了一种面向植物病害分类的动态交互知识蒸馏轻量级方法，该方法包括以下步骤：S1：预训练两个轻量级resnet模型，得到两个的原始教师模型，其中，其中，预训练的损失函数为(1)式：y表示标签值，ytrain表示模型对图片的分类结果；S2：输入植物病害图片到教师模型中，教师模型就会输出标签中每个病害为图片中植物所患病害的一列对应系数。使用两个轻量级模型相互进行多教师知识蒸馏，使知识蒸馏的过程不必耗费大量的时间和资源去训练大规模的教师模型；此外本发明还创新性地使用动态更新教师模型的方法，让训练过程中性能更好的模型替换原有的教师模型，使得学生模型有更好的学习目标，以此来达到更高的准确率。

公开(公告)号：CN115294029A

公开(公告)日：2022-11-04

申请号：CN202210807480.7

申请日：2022-07-11

Applicant: 华南农业大学

Inventor： 王金凤 ,  龚浩强 ,  黄帅辉 ,  郑志燊 ,  姜发健

IPC: G06T7/00 ,  G06T7/30 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及医学图像处理领域和深度学习领域，为一种面向多模态图像的脑部病灶区域定位系统和方法，该系统包括自适应多模态patch生长与剪枝模块、基于双注意力机制的多模态patch多层次融合模块和全局卷积网络分类器模块，通过自适应多模态patch生长与剪枝模块在多模态图像中自适应地选择和修建patch，来识别具有高鉴别性的patch位置；通过一种基于双注意力机制的多模态patch融合模块，来获取多模态patch的潜在表示形式，结合patch多层次的表示形式，基于数据驱动的方式将其进行融合和共同学习；通过全局卷积网络分类器模块作为最终分类模型，进一步获取数据的更深层表示，提取更多的潜在信息。本发明提出的系统能有效地识别与疾病高度相关的病灶区域，可以辅助诊断。