公开(公告)号：CN117132809A

公开(公告)日：2023-11-28

申请号：CN202311017326.0

申请日：2023-08-14

Applicant: 南昌大学

Inventor： 闵卫东 ,  熊若男

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06F9/54 ,  G06N3/084 ,  G06N3/0895 ,  G06N3/0464

Abstract: 本发明提供了一种基于类原型匹配软伪标签的半监督医学图像分类方法，使用类原型匹配模块(CPM)预测未标记数据的软伪标签，该模块根据未标记数据局部邻域内标记数据的类原型相似度来自适应地预测其对应的软伪标签；设计了一个动态且无偏更新的缓存队列来存储预测正确的标记数据的标签和嵌入，并将缓存队列中属于同一类别的多个标记数据嵌入的均值作为该类的原型，使得类原型更加接近于真实特征中心；使用mixup增强方法来混合标记数据和未标记数据及其对应的标签，以增强模型学习类内和类间特征的能力，并在未标记数据两种不同类型的增强之间添加了一个额外的正则化项，以提高模型的预测能力。本发明有效地结合了伪标签和一致性正则化方法。

公开(公告)号：CN117058452A

公开(公告)日：2023-11-14

申请号：CN202311021750.2

申请日：2023-08-15

Applicant: 南昌大学

Inventor： 闵卫东 ,  杜伟 ,  熊若男 ,  胡晓平

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/40 ,  G06V10/20 ,  G06V10/74

Abstract: 本发明提供了一种基于特征分布拟合和深度学习的小样本图像分类方法，该方法综合方向驱动策略和相似性权重策略，提出一种全新的基于特征分布拟合机制的小样本图像分类网络。其中，方向驱动策略可以在更多方向(维度)上描述和获取更完整的特征分布的信息；相似性权重策略可以估计不同的类别在特征分布拟合过程中产生的不同程度的影响，并为其分配相应的权重。该方法可以近似估计出小样本类的真实特征分布，并以此生成无数量限制的训练样本，以避免模型过拟合。