公开(公告)号：CN118196527A

公开(公告)日：2024-06-14

申请号：CN202410373871.1

申请日：2024-03-29

Applicant: 桂林理工大学

Inventor： 黄琳 ,  覃曦 ,  杨铁军

IPC: G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/084

Abstract: 本发明提出了基于MFC神经网络架构搜索的植物幼苗图像分类方法，其特征在于，包括：构建植物幼苗图像的数据集；基于所述数据集对预设的基于MFC神经网络架构搜索的模型进行训练，获取植物幼苗分类模型；基于所述植物幼苗分类模型，进行植物幼苗图像分类。本发明能够为植物幼苗图像分类自动设计有效的卷积神经网络模型，与近几年手工设计的分类模型相比，表现了其较好的竞争性以及先进性。

公开(公告)号：CN118537649A

公开(公告)日：2024-08-23

申请号：CN202410702344.0

申请日：2024-06-02

Applicant: 桂林理工大学

Inventor： 覃曦

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/80 ,  G06V10/774

Abstract: 本发明专公开了一种基于部分权重共享和多损失融合卷积神经网络的眼底图像疾病分类方法。包括首先对多标签视网膜眼底病变图像(ODIR‑2019)数据集进行预处理；改进Inception v3模块，实现部分权重共享策略；将1个BCELoss以及多个CELoss的进行融合；根据部分权重共享和多损失融合改进神经网络架构；在ODIR‑2019数据集上采用部分权重共享和多损失融合方法进行模型训练和测试。经验证，本发明通过这种方法在分类准确性上超过了Efficientnet v2、Res2net等SOTA方法，为眼底图像疾病分类提供了技术支持。