(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211157036.1 (22)申请日 2022.09.21 (71)申请人 云南大学 地址 650091 云南省昆明市翠湖北路2号 (72)发明人 李汶卿　李海燕　李海江　谭明川　 郭磊　 (74)专利代理 机构 北京高沃 律师事务所 1 1569 专利代理师 万慧华 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种皮肤病图像识别分类方法及系统 (57)摘要 本发明涉及一种皮肤病图像识别分类方法 及系统。 该方法包括获取待识别分类的皮肤病图 像数据集； 获取三个不同的卷积神经网络模型， 并将多层特征融合模块融合到每一卷积神经网 络模型中， 确定三个基于多层特征融合的卷积神 经网络模型； 将每一基于多层特征融合的卷积神 经网络模型中嵌入空间结合通道的注 意力模块， 确定三个基础模 型， 并利用分类后的皮肤病图像 数据集进行训练； 利用三个训练好的基础模型对 待识别分类的皮肤病图像数据集进行分类， 确定 三个分类结果； 对三个所述分类结果进行基于模 糊秩的集成学习， 得到最终识别分类结果。 本发 明能够提高皮肤病的识别分类精度及准确率。 权利要求书2页 说明书7页 附图3页 CN 115471704 A 2022.12.13 CN 115471704 A 1.一种皮肤病图像识别分类方法， 其特 征在于， 包括： 获取待识别分类的皮肤病图像数据集； 所述皮肤病图像数据集包括多种不同类型的皮 肤病图像； 获取三个不同的卷积神经网络模型， 并将多层特征融合模块融合到每一卷积神经网络 模型中， 确定三个 基于多层特 征融合的卷积神经网络模型； 将每一基于多层特征融合的卷积神经网络模型中嵌入空间结合通道的注意力模块， 确 定三个基础模型， 并利用分类后的皮肤病图像数据集进行训练； 所述空间结合通道的注意 力模块包括： 空间注意模块和改进的通道注意模块； 所述改进的通道注意模块包括： 由多尺 度膨胀卷积层构成的膨胀金字塔池化； 利用三个训练好的基础模型对待识别分类的皮肤病图像数据集进行分类， 确定三个分 类结果； 对三个所述分类结果进行基于模糊秩的集成学习， 得到最终识别分类结果。 2.根据权利要求1所述的一种皮肤病图像识别分类方法， 其特征在于， 所述将每一基于 多层特征融合的卷积神经网络模型中嵌入空间结合通道的注意力模块， 确定三个基础模 型， 并利用分类后的皮肤病图像数据集进行训练， 具体包括： 获取分类后的皮肤病图像数据集； 利用生成对抗网络对分类后的皮肤病图像数据集进行 数据增强； 利用数据增强后的分类后的皮肤病图像数据集分别训练三个 基础模型。 3.根据权利要求1所述的一种皮肤病图像识别分类方法， 其特征在于， 所述金字塔池化 中膨胀卷积的膨胀率分别为1、 2、 3和4。 4.根据权利要求1所述的一种皮肤病图像识别分类方法， 其特征在于， 所述对三个所述 分类结果进行基于模糊秩的集成学习， 得到最终识别分类结果， 具体包括： 将所述分类结果映射到 两个不同凹度的非线性 函数上， 生成模糊秩。 5.一种皮肤病图像识别分类系统， 其特 征在于， 包括： 待识别分类的皮肤病图像数据集获取模块， 用于获取待识别分类的皮肤病 图像数据 集； 所述皮肤病图像数据集包括多种不同类型的皮肤病图像； 基于多层特征融合的卷积神经网络模型确定模块， 用于获取三个不同的卷积神经网络 模型， 并将多层特征融合模块融合到每一卷积神经网络模型中， 确定三个基于多层特征融 合的卷积神经网络模型； 训练好的基础模型确定模块， 用于将每一基于多层特征融合的卷积神经网络模型中嵌 入空间结合通道的注意力模块， 确定三个基础模型， 并利用分类后的皮肤病图像数据集进 行训练； 所述空间结合通道的注意力模块包括： 空间注意模块和改进的通道注 意模块； 所述 改进的通道 注意模块包括： 由多尺度膨胀卷积层构成的膨胀金字塔池化； 分类结果确定模块， 用于利用三个训练好的基础模型对待识别分类的皮肤病图像数据 集进行分类， 确定三个分类结果； 最终识别分类结果确定模块， 用于对三个所述分类结果进行基于模糊秩的集成学习， 得到最终识别分类结果。 6.根据权利要求5所述的一种皮肤病图像识别分类系统， 其特征在于， 所述训练好的基 础模型确定模块具体包括：权　利　要　求　书 1/2 页 2 CN 115471704 A 2分类后的皮肤病图像数据集获取 单元， 用于获取分类后的皮肤病图像数据集； 数据增强单 元， 用于利用生成对抗网络对分类后的皮肤病图像数据集进行 数据增强； 训练好的基础模型确定单元， 用于利用数据增强后的分类后的皮肤病图像数据集分别 训练三个 基础模型。 7.根据权利要求5所述的一种皮肤病图像识别分类系统， 其特征在于， 所述金字塔池化 中膨胀卷积的膨胀率分别为1、 2、 3和4。 8.根据权利要求5所述的一种皮肤病图像识别分类系统， 其特征在于， 所述最终识别分 类结果确定模块具体包括： 模糊秩生成单元， 用于将所述分类结果映射到两个不同凹度的非线性函数上， 生成模 糊秩。权　利　要　求　书 2/2 页 3 CN 115471704 A 3