원래 이름 기록: 深思考人工智能机器人科技（北京）有限公司

本申请公开了一种跨模态检索方法，该方法包括：获取第一模态信息的第一语义向量，其中，第一模态信息用于表征检索信息，获取第二模态信息的第二语义向量，其中，第二模态信息用于表征被检索信息，第一模态与第二模态不同，根据第一语义向量和第二语义向量，计算第一模态信息与第二模态信息之间的相似度，基于第一模态信息，通过训练后的阈值预测模型，预测与第一模态信息相匹配的相似度阈值，根据相似度阈值，对相似度进行筛选，将与所筛选相似度对应的第二模态信息作为候选第二模态信息。本申请解决了检索过程中召回精度不稳定的问题。

本申请公开了一种基于细胞学涂片图像的细胞分类方法，包括：通过训练后的神经网络模型对细胞学涂片图像进行推理，得到用于表征切片级分类的细胞分类结果，其中，神经网络模型包括：用于检测细胞学涂片图像中各细胞的细胞识别模型，用于基于所检测到细胞的位置提取细胞图像并将所提取的图像拼接为图像序列的拼接层，用于将来自拼接层的图像序列中的各图像进行特征提取以得到特征序列的卷积神经网络，用于基于来自卷积神经网络的特征序列获取用于表征特征序列中各特征之间相关度的特征矩阵的转换模型，用于基于来自转换模型的特征矩阵进行多实例学习而预测所述细胞分类结果的多实例模型。本申请提升了细胞分类的准确性和可解释性。