公开(公告)号：CN112262395A

公开(公告)日：2021-01-22

申请号：CN201980038768.9

申请日：2019-06-28

Applicant: 通用电气公司

Inventor： 赵茜 ,  张敏 ,  戈帕尔·阿维纳什

IPC: G06K9/62 ,  G06N3/08

Abstract: 本发明提供了用于基于注释信息进行分类的系统和技术。在一个示例中，系统基于训练数据和多个图像来训练卷积神经网络。多个图像与多个掩模、多个图像级标签和/或边界框相关联。该系统还基于多个掩模生成第一损失函数，基于多个图像级标签生成第二损失函数，并且基于边界框生成第三损失函数。此外，系统基于第一损失函数、第二损失函数和第三损失函数生成第四损失函数，其中第四损失函数被迭代地反向传播以调谐卷积神经网络的参数。该系统还基于卷积神经网络预测输入图像的分类标签。

公开(公告)号：CN112368712A

公开(公告)日：2021-02-12

申请号：CN201980044205.0

申请日：2019-06-28

Applicant: 通用电气公司

Inventor： 赵茜 ,  张敏 ,  戈帕尔·阿维纳什

IPC: G06K9/62 ,  G06N3/08

Abstract: 本发明提供了用于基于注释信息来分类和定位的系统和技术。在一个示例中，系统基于训练数据和多个图像来训练卷积神经网络。训练数据与来自至少一个成像设备的多个患者相关联。该多个图像与来自多个对象的多个掩模相关联。卷积神经网络包括解码器，该解码器由至少一个上采样层和至少一个卷积层组成。该系统还基于该多个掩模来生成损失函数，其中该损失函数被迭代地反向传播以调谐该卷积神经网络的参数。该系统还基于卷积神经网络预测输入图像的分类标签。