申请/专利权人：四川大学

申请日：2024-02-20

公开（公告）日：2024-03-22

公开（公告）号：CN117746167A

主分类号：G06V10/764

分类号：G06V10/764;G06V10/77;G06V10/82;G06N3/0464;G06N3/084

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本发明涉及一种口腔全景片影像摆位错误分类模型训练方法及分类方法。在训练方法中，在第一训练阶段，将训练数据集作为输入，经特征提取网络、全连接层和非线性激活函数得到分类结果，基于全连接处理的结果构建第一损失函数，将第一损失函数分别反馈至特征提取网络和全连接层进行训练直至收敛。在第二训练阶段，一方面将训练数据集作为输入得到全连接处理的结果，另一方面将训练数据集和多张示例图像作为输入得到标签增强处理结果，基于标签增强处理和全连接处理的结果构建第二损失函数，并分别反馈至特征提取网络和全连接层进行训练直至收敛。该方案可以更好地理解和区分不同类别之间的关系，使得训练得到的模型的学习能力更强，分类更准确。

主权项：1.一种口腔全景片影像摆位错误分类模型训练方法，其特征在于，包括：采集多张存在多类摆位错误的口腔全景图像；对所述口腔全景图像进行摆位错误标签的标定；对标定后的口腔全景图像进行数据预处理，得到训练数据集；将所述训练数据集作为输入，基于构建的基础网络框架进行第一训练阶段的训练，包括：对于输入的任意一张图像，经特征提取网络特征提取处理得到具有深度特征的第一一维特征向量；将多张所述第一一维特征向量经全连接层全连接处理后再进行非线性激活处理得到分类结果；基于全连接处理的结果构建第一损失函数，并将该第一损失函数分别反馈至特征提取网络和全连接层进行训练直至收敛；将所述训练数据集和多张示例图像作为输入，所述多张示例图像基于所述训练数据集选取，每张示例图像存在一类摆位错误，且与所述多类摆位错误一一对应，基于构建的基础网络框架进行第二训练阶段的训练，包括：对于输入的训练数据集的任意一张图像，经特征提取网络特征提取处理得到具有深度特征的第二一维特征向量；将多张所述第二一维特征向量经全连接层全连接处理后再进行非线性激活处理得到分类结果；对输入的多张示例图像的任意一张图像，经特征提取网络特征提取处理得到具有深度特征的第三一维特征向量；将所述第二一维特征向量和所述多张示例图像所一一对应的多个第三一维特征向量进行拼接后得到第四二维特征向量；将所述第四二维特征向量进行标签增强处理，基于标签增强处理后的结果和全连接处理的结果构建第二损失函数，并将第二损失函数分别反馈至特征提取网络和全连接层进行训练直至收敛，以得到口腔全景片影像摆位错误分类模型。

全文数据：

权利要求：

百度查询： 四川大学 口腔全景片影像摆位错误分类模型训练方法及分类方法

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