公开(公告)号：CN117636103A

公开(公告)日：2024-03-01

申请号：CN202210972307.2

申请日：2022-08-15

Applicant: 复旦大学

Inventor： 宋志坚 ,  王满宁 ,  靳秋野

IPC: G06V10/778 ,  G06V10/774 ,  G06V10/776 ,  G06V10/26 ,  G06V10/40

Abstract: 本发明属于医学图像处理及应用技术领域，涉及用于病理图像标准数据集构建的主动学习方法，包括标准数据集的构建方法及价值样本标注系统。本发明基于主动学习(Active Learning,AL)技术，面向未标注病理图像数据集，衡量其中样本的信息含量，并对样本的标注价值进行排序，然后，将最具有标注价值的样本挑出，送往专家进行标注，组成用于神经网络训练的标准数据集。本方法是解决标注昂贵问题的方案，其可查询有价值的无标注样本进行标注，从而在固定的标注预算下，尽可能地提升训练模型的性能。本方法易推广至其他具有挑战性的人工智能领域，如图像分割、目标检测及图像配准等任务的价值样本挑选，拥有重要和广阔的应用前景。

公开(公告)号：CN117671401A

公开(公告)日：2024-03-08

申请号：CN202210972275.6

申请日：2022-08-15

Applicant: 复旦大学

Inventor： 宋志坚 ,  王满宁 ,  靳秋野

IPC: G06V10/774 ,  G06V10/764 ,  G06V10/762 ,  G06V10/772 ,  G06V10/74 ,  G06V10/40 ,  G06V10/82 ,  G06N3/088 ,  G06N3/084 ,  G06N3/0455

Abstract: 本发明属于图像数据集的构建技术领域，涉及标准数据集的构建方法及价值样本标注系统。本发明方法基于主动学习(Active Learning,AL)技术，面向未标注数据集，可以衡量其中样本的信息含量，并对样本的标注价值进行排序，然后，将最具有标注价值的样本挑出，送往专家进行标注，组成用于神经网络训练的标准数据集。本发明方法是一种解决标注昂贵问题的方案，其可以查询有价值的无标注样本进行标注，从而在固定的标注预算下，尽可能地提升训练模型的性能。本发明易推广到其他具有挑战性的人工智能领域，如图像分割、目标检测及图像配准等任务的价值样本挑选，拥有重要和广阔的应用前景。