卷积神经网络分析方法与电子装置制造方法及图纸

本发明专利技术提出一种卷积神经网络分析方法与电子装置。卷积神经网络分析方法包括：将第一影像输入至第一卷积神经网络架构以得到第一特征图；将第二影像输入至第二卷积神经网络架构以得到第二特征图，其中第一影像的倍率大于第二影像的倍率；根据第一特征图与第二特征图取得第三特征图；以及根据第三特征图输出一分析结果。借此，可以结合高倍率影像与低倍率影像的特征来进行分析。

Convolution neural network analysis method and electronic device

【技术实现步骤摘要】
卷积神经网络分析方法与电子装置
本专利技术是有关于一种应用卷积神经网络的分析方法，且特别是有关于一种能适用多倍率影像的分析方法。
技术介绍
卷积神经网络(convolutionalneuralnetwork)已经在影像处理的领域上有许多成功的应用。然而，已知的卷积神经网络常常适用于单一倍率的影像，但在一些应用中需要结合不同倍率的多张影像来进行侦测，例如医生是透过不同倍率的多张病理切片来判断如乳房、子宫抹片、肺、摄护腺、脑、痰液抹片等组织器官中是否有异常。因此，如何将卷积神经网络应用在多倍率的影像中以进行侦测，为此领域技术人员所关心的议题。
技术实现思路
本专利技术的实施例提出一种多倍率影像的卷积神经网络分析方法，适用于电子装置。此卷积神经网络分析方法包括：将第一影像输入至第一卷积神经网络架构以得到第一特征图，其中第一卷积神经网络架构包括一或多个卷积层或池化层；将第二影像输入至第二卷积神经网络架构以得到第二特征图，其中第二卷积神经网络架构包括一或多个卷积层或池化层，第一影像的倍率大于第二影像的倍率；根据第一特征图与第二特征图取本文档来自技高网...

【技术保护点】
1.一种多倍率影像的卷积神经网络分析方法，适用于一电子装置，其特征在于，该卷积神经网络分析方法包括：/n将一第一影像输入至一第一卷积神经网络架构以得到第一特征图，其中该第一卷积神经网络架构包括一或多个卷积层或池化层；/n将一第二影像输入至一第二卷积神经网络架构以得到第二特征图，其中该第二卷积神经网络架构包括一或多个卷积层或池化层，该第一影像的倍率大于该第二影像的倍率；/n根据该第一特征图与该第二特征图取得一第三特征图；以及/n根据该第三特征图输出一分析结果。/n

【技术特征摘要】
20181218 TW 1071457581.一种多倍率影像的卷积神经网络分析方法，适用于一电子装置，其特征在于，该卷积神经网络分析方法包括：
将一第一影像输入至一第一卷积神经网络架构以得到第一特征图，其中该第一卷积神经网络架构包括一或多个卷积层或池化层；
将一第二影像输入至一第二卷积神经网络架构以得到第二特征图，其中该第二卷积神经网络架构包括一或多个卷积层或池化层，该第一影像的倍率大于该第二影像的倍率；
根据该第一特征图与该第二特征图取得一第三特征图；以及
根据该第三特征图输出一分析结果。


2.根据权利要求1所述的卷积神经网络分析方法，其特征在于，其中根据该第一特征图与该第二特征图取得该第三特征图的步骤包括：
从该第二特征图中撷取出一第四特征图，其中该第四特征图的宽度与高度分别小于该第二特征图的宽度与高度；
对该第四特征图做升取样以得到第五特征图，其中该第五特征图的宽度与高度分别相同于该第一特征图的宽度与高度；以及
将该第一特征图衔接至该第五特征图以得到该第三特征图。


3.根据权利要求2所述的卷积神经网络分析方法，其特征在于，其中从该第二特征图中撷取出该第三特征图的步骤包括：
当该第一影像的倍率为该第二影像倍率的n倍时，则从该第二特征图中...

【专利技术属性】
技术研发人员：詹宝珠，黄伟哲，萧祺恩，蔡弘文，周楠华，郑国顺，
申请(专利权)人：詹宝珠，
类型：发明
国别省市：中国台湾;71