龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：南通大学
摘要：本发明提供一种基于生成对抗网络的宫颈细胞图像半监督学习方法，包括如下步骤：1训练生成对抗网络，生成负样本分布；2训练分类器，学习正样本和负样本的判别边界；3基于已训练的分类器模型，对检测到的未知单细胞图像进行分类。本发明的模型学习过程不需要任何负样本先验知识，能够联合优化生成式和判别式模型，同时利用少量有标记数据和大量未标记数据进行宫颈细胞图像半监督学习，能有效提升未标记数据利用率，进而提升宫颈细胞图像分类准确率和效率。
主权项：1.一种基于生成对抗网络的宫颈细胞图像半监督学习方法，其特征在于，包括如下步骤：1训练生成对抗网络，生成负样本分布；2训练分类器，学习正样本和负样本的判别边界；3基于已训练的分类器模型，对已检测到的未知单细胞图像进行分类；步骤1的具体步骤为：1-1设置训练迭代数目T1；1-2从噪声先验分布pz中抽取{z1，z2，...，zm}，共m个噪声样本作为最小批次的样本数据，其中zi为随机噪声样本；1-3从未标记数据分布pU中抽取共m个噪声样本作为最小批次的样本数据，其中为未标记的样本数据；1-4使用概率随机梯度下降算法，更新判别器D： 其中，Dx为决策函数，Gz是生成样本数据，为未标记的样本数据，zi为随机噪声数据，为正样本数据；1-5从噪声先验分布pz中抽取{z1，z2，...，zm}，共m个噪声样本作为最小批次的样本数据，其中zi为随机噪声样本；1-6使用概率梯度下降Adam算法，更新生成器G： 其中，Dx为决策函数，Gz是生成样本数据；1-7如果达到迭代数目T1，终止训练迭代；步骤2的具体步骤为：2-1设置训练迭代数目T2；2-2从正样本分布pp中抽取{xp1，xp2，...，xpm}，共m个正样本作为最小批次的样本数据；2-3从噪声先验分布pz中抽取{z1，z2，...，zm}，共m个噪声样本作为最小批次的样本数据；2-4使用Adam算法，更新生成器C： 其中，Cx为分类决策函数，为正样本数据，zi为随机噪声数据；2-5如果达到迭代数目T2，终止训练迭代。
全文数据：
权利要求：
百度查询： 南通大学 基于生成对抗网络的宫颈细胞图像半监督学习方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号