摘要
本发明公开了一种基于半监督学习的结肠镜病变识别的训练方法及电子设备,所述方法包括:获取成对标签图像数据对,以及仅含结肠镜病变的图像数据集;设计轻量化的病变识别网络,所述轻量化的病变识别网络包括教师网络模型和学生网络模型;对轻量化的病变识别网络进行网络训练参数初始化;将标签图像数据对和仅含结肠镜病变的图像数据集输入至轻量化的病变识别网络进行训练;当学生网络模型的联合损失函数值小于经验值,轻量化的病变识别网络训练完成;利用训练完成的学生网络模型对输入的结肠镜病变图像进行识别,得到识别结果。本发明提高训练模型对复杂病变特征的适应能力,增强训练模型泛化性,从而实现高效、可靠的自动化病变检测。
技术关键词
半监督学习
联合损失函数
图像
网络模块
学生
标签
频域特征
教师
数据
高层次
语义特征
多层次特征融合
多尺度
视觉特征
堆叠层
局部特征提取
参数
电子设备
多层感知器
系统为您推荐了相关专利信息
虚拟手术器械
力反馈方法
虚拟腹腔镜手术
组织
笔尖
双视野镜头
对位系统
对位方法
晶圆级封装
光源控制系统
智能驾驶车辆
图像处理器
检测车道线
深度学习模型对图像
车道线特征提取
泡沫轻质土
无损检测方法
孔结构
X射线扫描仪
图像