申请/专利权人：广州视源电子科技股份有限公司;广州视源人工智能创新研究院有限公司

申请日：2021-11-23

公开（公告）日：2023-05-26

公开（公告）号：CN116167411A

主分类号：G06N3/0464

分类号：G06N3/0464;G06N3/082;G06V10/25;G06V10/40;G06V20/00

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.06.13#实质审查的生效;2023.05.26#公开

摘要：本公开提供了一种分解卷积模型的训练方法、病变区域预测方法和相关设备，在模型训练过程中，卷积神经网络的谱标准化分解卷积层根据自身的两个低秩矩阵对训练数据做两次卷积运算，单次卷积的计算复杂度降低，实现模型参数的减少。并且，对两个低秩矩阵的值进行谱标准化，从而确保两个低秩矩阵不会出现过大奇异值，有效提高泛化能力，保证训练所得分解卷积模型的理想性能。应用时，分解卷积模型部署在计算资源有限的本体硬件设备上，分解卷积模型提取病例图像的特征图，并由目标检测模型对特征图进行处理，从而识别到病例图像上的病变区域和病变信息，病例数据保密性高，且识别精准。

主权项：1.一种分解卷积模型的训练方法，其中，包括：获取训练数据；将所述训练数据输入卷积神经网络进行模型训练，在训练过程中，所述卷积神经网络的谱标准化分解卷积层根据自身的两个低秩矩阵对所述训练数据做两次卷积运算，并对两个所述低秩矩阵的值进行谱标准化；循环迭代模型训练的步骤，直至模型收敛，得到分解卷积模型。

全文数据：

权利要求：

百度查询： 广州视源电子科技股份有限公司;广州视源人工智能创新研究院有限公司 分解卷积模型的训练方法、病变区域预测方法和相关设备

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD