[发明专利]图像质控网络的训练方法、质量分类方法、装置及设备在审
| 申请号： | 201910723269.5 | 申请日： | 2019-08-06 |
| 公开（公告）号： | CN110490239A | 公开（公告）日： | 2019-11-22 |
| 发明（设计）人： | 边成;马锴;郑冶枫 | 申请（专利权）人： | 腾讯医疗健康(深圳)有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06K9/46 |
| 代理公司： | 44232 深圳市隆天联鼎知识产权代理有限公司 | 代理人： | 刘抗美<国际申请>=<国际公布>=<进入 |
| 地址： | 518000 广东省深圳市*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本公开提供一种基于人工智能的图像质控网络的训练方法、眼底图像的质量分类方法、基于人工智能的图像质控网络的训练装置及电子设备；涉及人工智能技术领域。该方法包括：确定样本图像对应的第一密集特征，并对第一密集特征进行降采样处理，得到第二密集特征；根据第二密集特征对样本图像进行分类；根据分类结果确定交叉熵损失函数、分类质量判别损失函数以及通过率损失函数；根据交叉熵损失函数、分类质量判别损失函数以及通过率损失函数对图像质控网络进行训练。本公开中的方法能够在一定程度上克服利用交叉熵损失函数训练图像质控网络的效果不佳的问题，提升图像质控网络的训练效果。 | ||
| 搜索关键词： | 损失函数 质控 密集特征 交叉熵 图像 人工智能 样本图像 质量判别 网络 通过率 分类 人工智能技术 降采样处理 电子设备 分类结果 训练图像 训练效果 训练装置 眼底图像 质量分类 | ||
【主权项】：
1.一种基于人工智能的图像质控网络的训练方法，其特征在于，包括：/n确定样本图像对应的第一密集特征，并对所述第一密集特征进行降采样处理，得到第二密集特征；/n根据所述第二密集特征对所述样本图像进行分类；/n根据分类结果确定交叉熵损失函数、分类质量判别损失函数以及通过率损失函数；/n根据所述交叉熵损失函数、所述分类质量判别损失函数以及所述通过率损失函数对图像质控网络进行训练。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于腾讯医疗健康(深圳)有限公司，未经腾讯医疗健康(深圳)有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910723269.5/，转载请声明来源钻瓜专利网。
- 上一篇：一种图像处理方法、装置及存储介质
- 下一篇：基于深度学习的图像识别方法和装置
