-
公开(公告)号：CN112819043A
公开(公告)日：2021-05-18
申请号：CN202110068409.7
申请日：2021-01-19
Applicant: 东北大学
Abstract: 本发明公开一种基于ARM的深度学习轻量化肺结节分类方法，该方法对获取的训练图像进行处理，并输入到全精度神经网络中进行训练。训练完成后使用Ternary Quantization算法对32‑bit的全精度权重进行三值化压缩，得到一个三值化精度神经网络。之后使用知识蒸馏，将全精度网络作为教师网络，三值化精度网络作为学生网络，对三值化精度中的Wp和Wn两个参数因子进行微调，微调完成后保存模型。最后将训练好的模型权重用于嵌入式设备中的肺结节分类程序中，实现肺结节的分类。本方法训练的模型和实现的分类程序可以准确的对肺结节进行分类，并且避免嵌入式设备性能不足和权重精度压缩后准确率下降的问题。
-
公开(公告)号：CN112819043B
公开(公告)日：2023-10-10
申请号：CN202110068409.7
申请日：2021-01-19
Applicant: 东北大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开一种基于ARM的深度学习轻量化肺结节分类方法，该方法对获取的训练图像进行处理，并输入到全精度神经网络中进行训练。训练完成后使用Ternary Quantization算法对32‑bit的全精度权重进行三值化压缩，得到一个三值化精度神经网络。之后使用知识蒸馏，将全精度网络作为教师网络，三值化精度网络作为学生网络，对三值化精度中的Wp和Wn两个参数因子进行微调，微调完成后保存模型。最后将训练好的模型权重用于嵌入式设备中的肺结节分类程序中，实现肺结节的分类。本方法训练的模型和实现的分类程序可以准确的对肺结节进行分类，并且避免嵌入式设备性能不足和权重精度压缩后准确率下降的问题。
-
公开(公告)号：CN112819570B
公开(公告)日：2023-09-26
申请号：CN202110082078.2
申请日：2021-01-21
Applicant: 东北大学
IPC: G06Q30/0601 , G06F16/9536 , G06F40/284
Abstract: 本发明公开一种基于机器学习的商品智能搭配推荐方法，该方法通过对商品属性信息(包括类目和分词)、用户购买历史和商品图像数据集进行分析和建模，为商品推荐可搭配的商品集。其中，借助基于内容的推荐算法，利用商品分词属性进行商品相似度计算；借助基于商品的协同过滤算法进行相似度计算；针对图像数据，利用聚类算法对图像进行聚类，然后计算图像像素相似度；构造了不同的候选集，再对不同的候选集进行加权平均。本发明将文本数据和图像数据进行综合使用，使最终的搭配推荐结果可以实现高效有效识别。
-
公开(公告)号：CN112819570A
公开(公告)日：2021-05-18
申请号：CN202110082078.2
申请日：2021-01-21
Applicant: 东北大学
IPC: G06Q30/06 , G06F16/9536 , G06F40/284
Abstract: 本发明公开一种基于机器学习的商品智能搭配推荐方法，该方法通过对商品属性信息(包括类目和分词)、用户购买历史和商品图像数据集进行分析和建模，为商品推荐可搭配的商品集。其中，借助基于内容的推荐算法，利用商品分词属性进行商品相似度计算；借助基于商品的协同过滤算法进行相似度计算；针对图像数据，利用聚类算法对图像进行聚类，然后计算图像像素相似度；构造了不同的候选集，再对不同的候选集进行加权平均。本发明将文本数据和图像数据进行综合使用，使最终的搭配推荐结果可以实现高效有效识别。
-
-
-
Search Results
4
records
(took 0.014 seconds)
