[發(fā)明專(zhuān)利]基于多尺度注意力機(jī)制的真菌顯微圖像分類(lèi)方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202110509387.3
• 申請(qǐng)日: 2021-05-11
• 公開(kāi)（公告）號(hào): CN113205055A
• 公開(kāi)（公告）日: 2021-08-03
• 發(fā)明（設(shè)計(jì)）人: 許鴻雁
• 申請(qǐng)（專(zhuān)利權(quán)）人: 北京知見(jiàn)生命科技有限公司
• 主分類(lèi)號(hào): G06K9/00
• 分類(lèi)號(hào): G06K9/00;G06K9/62;G06N3/04
• 代理公司: 北京律誠(chéng)同業(yè)知識(shí)產(chǎn)權(quán)代理有限公司 11006
• 代理人: 祁建國(guó)

1.一種基于多尺度注意力機(jī)制的真菌顯微圖像分類(lèi)方法，其特征在于，包括：

步驟1、獲取訓(xùn)練樣本，該訓(xùn)練樣本包括多張真菌顯微圖像，且每張真菌顯微圖像具有對(duì)應(yīng)的真菌類(lèi)別標(biāo)簽；

步驟2、構(gòu)建包括注意力模塊的深度學(xué)習(xí)圖像分類(lèi)模型，使用該訓(xùn)練樣本訓(xùn)練該深度學(xué)習(xí)圖像分類(lèi)模型，并將訓(xùn)練完成的該深度學(xué)習(xí)圖像分類(lèi)模型作為真菌圖像分類(lèi)模型；

步驟3、將待分類(lèi)的真菌顯微圖像輸入該真菌圖像分類(lèi)模型，得到其真菌類(lèi)別。

2.如權(quán)利要求1所述的基于多尺度注意力機(jī)制的真菌顯微圖像分類(lèi)方法，其特征在于，該深度學(xué)習(xí)圖像分類(lèi)模型中包括串聯(lián)連接的卷積層，且串聯(lián)卷積層的輸出與該注意力模塊的輸入端相連。

3.如權(quán)利要求1所述的基于多尺度注意力機(jī)制的真菌顯微圖像分類(lèi)方法，其特征在于，該深度學(xué)習(xí)圖像分類(lèi)模型包括平均池化層、全連接層和激活層。

4.如權(quán)利要求3所述的基于多尺度注意力機(jī)制的真菌顯微圖像分類(lèi)方法，其特征在于，輸入該深度學(xué)習(xí)圖像分類(lèi)模型的真菌顯微圖像，會(huì)經(jīng)過(guò)多個(gè)卷積層提取出圖像特征，并將圖像特征輸入帶有空洞卷積的注意力模塊，使深度學(xué)習(xí)網(wǎng)絡(luò)的注意力聚焦于真菌所在區(qū)域，再經(jīng)過(guò)一層卷積層后，得到真菌類(lèi)別。

5.如權(quán)利要求1到4所述的任一種基于多尺度注意力機(jī)制的真菌顯微圖像分類(lèi)方法，其特征在于，該注意力模塊通過(guò)將多個(gè)空洞率不同的空洞卷積的輸出特征圖連接在一起，得到多尺度融合特征，再將其輸入至該深度學(xué)習(xí)圖像分類(lèi)模型中最末端的卷積層。

6.一種基于多尺度注意力機(jī)制的真菌顯微圖像分類(lèi)系統(tǒng)，其特征在于，包括：

模塊1，用于獲取訓(xùn)練樣本，該訓(xùn)練樣本包括多張真菌顯微圖像，且每張真菌顯微圖像具有對(duì)應(yīng)的真菌類(lèi)別標(biāo)簽；

模塊2，用于構(gòu)建包括注意力模塊的深度學(xué)習(xí)圖像分類(lèi)模型，使用該訓(xùn)練樣本訓(xùn)練該深度學(xué)習(xí)圖像分類(lèi)模型，并將訓(xùn)練完成的該深度學(xué)習(xí)圖像分類(lèi)模型作為真菌圖像分類(lèi)模型；

模塊3，用于將待分類(lèi)的真菌顯微圖像輸入該真菌圖像分類(lèi)模型，得到其真菌類(lèi)別。

7.如權(quán)利要求1所述的基于多尺度注意力機(jī)制的真菌顯微圖像分類(lèi)系統(tǒng)，其特征在于，該深度學(xué)習(xí)圖像分類(lèi)模型中包括串聯(lián)連接的卷積層，且串聯(lián)卷積層的輸出與該注意力模塊的輸入端相連。

8.如權(quán)利要求1所述的基于多尺度注意力機(jī)制的真菌顯微圖像分類(lèi)系統(tǒng)，其特征在于，該深度學(xué)習(xí)圖像分類(lèi)模型包括平均池化層、全連接層和激活層。

9.如權(quán)利要求3所述的基于多尺度注意力機(jī)制的真菌顯微圖像分類(lèi)系統(tǒng)，其特征在于，輸入該深度學(xué)習(xí)圖像分類(lèi)模型的真菌顯微圖像，會(huì)經(jīng)過(guò)多個(gè)卷積層提取出圖像特征，并將圖像特征輸入帶有空洞卷積的注意力模塊，使深度學(xué)習(xí)網(wǎng)絡(luò)的注意力聚焦于真菌所在區(qū)域，再經(jīng)過(guò)一層卷積層后，得到真菌類(lèi)別。

10.如權(quán)利要求6到9所述的任一種基于多尺度注意力機(jī)制的真菌顯微圖像分類(lèi)系統(tǒng)，其特征在于，該注意力模塊通過(guò)將多個(gè)空洞率不同的空洞卷積的輸出特征圖連接在一起，得到多尺度融合特征，再將其輸入至該深度學(xué)習(xí)圖像分類(lèi)模型中最末端的卷積層。