申请/专利权人：深圳市宗匠科技有限公司

申请日：2024-01-30

公开（公告）日：2024-04-09

公开（公告）号：CN117649683B

主分类号：G06V40/10

分类号：G06V40/10;G06V10/44;G06V10/74;G06V10/774;G06V10/82;G06N3/0455;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.09#授权;2024.03.22#实质审查的生效;2024.03.05#公开

摘要：本发明公开了一种痤疮分级方法、装置、设备及存储介质。通过提供一种痤疮分级模型的自主学习方法，将无标签的预训练样本图像集输入初始模型的第一特征提取网络和第二特征提取网络；根据第一特征提取网络输出的第一预训练样本特征集以及第二特征提取网络输出的第二预训练样本特征集，以及从数据库中获取的目标预训练样本特征集确定目标相似矩阵；根据目标相似矩阵计算得到的损失函数值对初始模型中的网络参数进行调整，获得优化初始模型；选取优化初始模型中的其中一个特征提取网络构造预训练模型；将具有标签数据的训练样本图像集训练预训练模型得到目标痤疮分级模型，加强了模型的特征学习能力，提高了痤疮分级准确度。

主权项：1.一种痤疮分级模型的自主学习方法，其特征在于，包括：将无标签的预训练样本图像集和从数据库中获取的目标预训练样本特征集输入初始模型；其中，所述初始模型包括：并联的第一特征提取网络和第二特征提取网络；通过所述第一特征提取网络对所述预训练样本图像集进行特征提取得到第一预训练样本特征集，并通过所述第二特征提取网络对所述预训练样本图像集进行特征提取得到第二预训练样本特征集；所述第一预训练样本特征集和所述第二预训练样本特征集构成多个正样本对，所述第一预训练样本特征集和所述目标预训练样本特征集构成多个负样本对；根据各正样本对的正样本对相似度和各负样本对的负样本对相似度确定目标相似矩阵；根据所述目标相似矩阵计算损失函数值，并基于所述损失函数值对所述初始模型中的网络参数进行调整，获得优化初始模型；选取优化初始模型中的其中一个特征提取网络，并在所选取的特征提取网络的输出端增加全连接层得到预训练模型；获取具有标签数据的训练样本图像集，将所述训练样本图像集输入预训练模型进行模型训练，得到目标痤疮分级模型。

全文数据：

权利要求：

百度查询： 深圳市宗匠科技有限公司 一种痤疮分级方法、装置、设备及存储介质

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