【技术实现步骤摘要】
本专利技术涉及元学习，具体为一种基于元学习的细胞分类方法。
技术介绍
1、深度学习在图像分类、文本分类等任务中取得的先进成果很大程度上依赖于大量训练数据，而在医疗图像领域，只有少量数据或少量标注数据，而对无标签数据进行标注将会消耗大量的时间和人力，简单的数据增强和正则化技术只能缓解该问题，故需要针对小样本提出相应的解决方法，scp-net、scs等半监督学习算法并不能很好的解决小样本问题。
2、目前，元学习领域的经典算法maml、maml-sgd、reptile等存在着许多不足。一是特征网络无法充分提取有效特征、二是基于mlp处理后的特征分类效果并不理想，三是忽略了学习率和参数更新方向的重要性。
3、综上所述的问题，为此，我们提出一种实用性更高的基于元学习的细胞分类方法。
技术实现思路
1、本专利技术的目的在于提供一种基于元学习的细胞分类方法，解决了现有的问题。
2、为实现上述目的，本专利技术提供如下技术方案：
3、一种基于元学习的细胞分类方...
【技术保护点】
1.一种基于元学习的细胞分类方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于元学习的细胞分类方法，其特征在于，所述数据集划分训练集和测试集，训练集和测试集中再划分支持集和查询集，采用内外双循环的训练方式，内循环采用支持集训练，外循环采用查询集训练。
3.根据权利要求1所述的一种基于元学习的细胞分类方法，其特征在于，WRN-28-10网络是WRN网络中性能最好网络之一，其中参数28指的是网络深度，参数10指的是宽度系数，网络宽度由宽度系数k决定，N是组中块的数量。
4.根据权利要求1所述的一种基于元学习的细胞分类方法...
【技术特征摘要】
1.一种基于元学习的细胞分类方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于元学习的细胞分类方法，其特征在于，所述数据集划分训练集和测试集，训练集和测试集中再划分支持集和查询集，采用内外双循环的训练方式，内循环采用支持集训练，外循环采用查询集训练。
3.根据权利要求1所述的一种基于元学习的细胞分类方法，其特征在于，wrn-28-10网络是wrn网络中性能最好网络之一，其中参数28指的是网络深度，参数10指的是宽度系数，网络宽度由宽度系数k决定，n是组中块的数量。
4.根据权利要求1所述的一种基于元学习的细胞分类方法，其特征在于，wrn-28-10网络中采用wide-dropout结构作为残差块，该残差块在basic残差块的基础上扩宽了卷积层的宽度，并在卷积层之间增加了dropo...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。