病理图像样本的神经网络模型训练方法、装置.pdfVIP

下载本文档

0
0
约2.31万字
约 19页
2023-05-25 发布于四川
举报
版权申诉

病理图像样本的神经网络模型训练方法、装置.pdf

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

本发明涉及一种带有标签噪声的病理图像样本的神经网络模型训练方法、装置，该方法包括：将带有初始标签的病理图像样本输入到初始神经网络模型中，得到每个样本的初始预测概率；根据每个样本的初始标签和初始预测概率计算出初始交叉熵损失函数和初始梯度模长；使用梯度模长计算出每个样本对应梯度密度，使用梯度密度和高斯概率分布对初始交叉熵损失函数进行加权计算，调整易分样本和极度难分样本对模型训练的影响；使用梯度模长对样本的初始标签进行优化；使用梯度下降法和加权后的修正交叉熵损失函数对模型进行训练，更新模型的参数；在下

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112232407 A (43)申请公布日 2021.01.15 (21)申请号 202011101133.X (22)申请日 2020.10.15 (71)申请人杭州迪英加科技有限公司