【技术实现步骤摘要】
本申请涉及图像分类领域，具体涉及一种内窥镜图像分类模型构建方法、图像分类方法和装置。
技术介绍
1、最大池化(max pooling)和平均池化(average pooling)是卷积神经网络中常用的池化操作。
2、最大池化是指在给定的池化窗口内，选择窗口中的最大值作为输出。最大池化可以帮助网络对图像的特征进行选择性地保留，提取突出的特征。例如，对于一个2x2的最大池化操作，输入窗口中的4个值为[1,2]，[3,4]，则输出为4，因为4是窗口中的最大值。
3、平均池化是指在给定的池化窗口内，计算窗口中所有像素值的平均值作为输出。平均池化可以帮助降低图像的空间维度，并平滑图像特征。例如，对于一个2x2的平均池化操作，输入窗口中的4个值为[1,2],[3,4]，则输出为2.5，因为4个值的平均值为2.5。
4、最大池化和平均池化的选择取决于具体的应用场景和任务需求。当涉及到卷积神经网络中的池化操作时，最大池化和平均池化是两种常见的方法。最大池化通过选取池化窗口中的最大值来强调显著特征，这有助于对抗噪声和保...
【技术保护点】
1.一种内窥镜图像分类模型构建方法，其特征在于，所述方法包括：
2.如权利要求1所述的内窥镜图像分类模型构建方法，其特征在于，所述获取训练数据集，具体包括如下步骤：
3.如权利要求2所述的内窥镜图像分类模型的训练方法，其特征在于，所述基于多个内窥镜图像以及所述多个内窥镜图像的类别标签，构建所述训练数据集，具体包括如下步骤：
4.如权利要求1所述的内窥镜图像分类模型构建方法，其特征在于，所述利用训练数据集对所述原始分类模型进行训练，得到内窥镜图像分类模型，具体包括如下步骤：
5.如权利要求4所述的内窥镜图像分类模型构建方法...
【技术特征摘要】
1.一种内窥镜图像分类模型构建方法，其特征在于，所述方法包括：
2.如权利要求1所述的内窥镜图像分类模型构建方法，其特征在于，所述获取训练数据集，具体包括如下步骤：
3.如权利要求2所述的内窥镜图像分类模型的训练方法，其特征在于，所述基于多个内窥镜图像以及所述多个内窥镜图像的类别标签，构建所述训练数据集，具体包括如下步骤：
4.如权利要求1所述的内窥镜图像分类模型构建方法，其特征在于，所述利用训练数据集对所述原始分类模型进行训练，得到内窥镜图像分类模型，具体包括如下步骤：
5.如权利要求4所述的内窥镜图像分类模型构建方法，其特征在于，所述训练数据集包括训练集和测试集；所述利用训练数据集对原始分类模型中的分类层进行训练，具体包括如下步骤：
6.如权利要求4所述的...
【专利技术属性】
技术研发人员：袁磊，季梦遥，沈磊，阮超，俞承胜，周文犁，
申请(专利权)人：武汉大学人民医院湖北省人民医院，
类型：发明
国别省市：
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。