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：哈尔滨工程大学

摘要：本发明提供了一种基于有监督对比学习的尿红细胞的分类方法，步骤一：收集和扩充数据集；步骤二：构建基于ResNet‑50卷积神经网络的SRRN特征提取网络模型；步骤三：构造损失函数；步骤四：训练SRRN特征提取网络；步骤五：训练分类器；步骤六：测试模型；本发明使用SRRN网络模型训练后在测试集上准确率提高了0.36％；使用加入以欧式距离为基础的对比损失函数训练后的SRRN网络模型在测试集上的准确率提高了0.49％；以权重惩罚机制微调分类器后的模型在测试集上的准确率提高了0.71％；在模型测试阶段使用了TTA策略，模型在测试集上的准确率提高了0.13％，最后本发明准确率达到92.39％。

主权项：1.一种基于有监督对比学习的尿红细胞的分类方法，其特征在于，包括以下步骤：步骤一：收集尿红细胞图片构造训练集和测试集；收集尿红细胞图像，进行类别标注，将收集到的图像按比例随机划分为训练集和测试集；收集到的尿红细胞图像按照其形态特征分为正常红细胞、环形红细胞、影形红细胞、新月牙形红细胞、面包圈形红细胞、皱缩形红细胞、棘型红细胞、侧面红细胞和立起状红细胞，对训练集中数据较少的类别做数据增强的预处理，所述数据增强预处理包括旋转和翻转，以得到更多数量的训练图像；步骤二：构建基于ResNet-50的SRRN网络；在ResNet-50卷积神经网络的基础上，去除底部5个卷积层，换成一个上采样模块，所述上采样模块可将图像空间分辨率放大一倍，所述上采样模块包括一个卷积核，两个残差块和一个子像素卷积模块；步骤三：构造损失函数；在有监督对比损失的基础上加入欧式距离损失，使用截取VGG-19网络提取图像特征向量，计算各个图像特征向量之间的欧式距离，以此欧式距离为基础计算损失值；步骤四：训练SRRN网络模型；设置SRRN网络模型的训练参数，利用cifar10数据集训练SRRN网络模型，SRRN特征提取网络分两阶段来训练：第一阶段，使用传统的有监督对比损失函数来训练模型；第二阶段，使用以欧式距离为基础的对比损失和有监督对比损失函数共同训练特征提取网络至收敛；步骤五：训练分类器；利用步骤一中准备的训练集训练分类器，分类器的训练分两个阶段：第一阶段使用交叉熵损失函数训练分类器至收敛；第二阶段根据权重微调分类器模型，其中权重由各类别分类概率值决定，对于较难分类的类别设置更高的损失权重；步骤六：测试模型；测试步骤四以及步骤五中训练好的SRRN网络模型以及分类器模型，测试模型采用TTA策略来测试图像。

全文数据：

权利要求：

百度查询： 哈尔滨工程大学 基于有监督对比学习的尿红细胞的分类方法