多粒度协同分类网络

细粒度识别准

模仿医生从粗到细的学习过程,利用多粒度特征协同提升各层级分类准确性。

Hua, Wei · Dongyang, Yi · Shuyu, Hu · 朱国宾 · 丁熠 · 庞明辉

Neurocomputing 2025

参数信息

细粒度分类准确率
85.73 %
中粒度分类准确率
93.49 %
粗粒度分类准确率
99.01 %

技术优势

医生式逐级识别

模仿医生从粗到细的学习路径,逐级提取特征并协同利用不同粒度间的关联,使分类更符合临床诊断逻辑。

各粒度均达SOTA

在三个粒度层级上都超越了HRN、PMG和SnapMix等现有方法,细粒度85.73%、中粒度93.49%、粗粒度99.01%。

填补数据空白

提出的多粒度标注上消化道内镜图像数据集弥补了该领域多粒度数据的稀缺,为训练和评估多粒度分类模型提供基础。

应用场景