典型文献
基于DenseNet模型优化的新冠肺炎CT图像检测算法
文献摘要：
提出了一种基于DenseNet模型优化的新冠肺炎CT图像检测算法.首先,分析并实现了ResNet、EfficientNet和DenseNet 3种网络模型,完成了在FlyAI平台上对新冠肺炎CT图像检测训练及分类任务.通过对技术原理、分类准确率等参量的分析和对比,表明DenseNet具有优越的自适应能力和分类能力.进一步针对该模型改用Focal Loss损失函数模型,在新冠肺炎CT图像数据集上的识别和分类达到94.57％的准确率,相比原来交叉熵损失函数下的模型,提升2.26％的精度,同时也高于其他检测方法,证明了所提算法的有效性.
文献关键词：
新冠肺炎CT图像;ResNet模型;EfficientNet模型;DenseNet模型
中图分类号：
作者姓名：
王剑峰;王传旭
作者机构：
青岛科技大学 信息科学技术学院,山东 青岛 266061
文献出处：
引用格式：
[1]王剑峰;王传旭-.基于DenseNet模型优化的新冠肺炎CT图像检测算法)[J].青岛科技大学学报（自然科学版）,2022(03):107-111,119
A类：
FlyAI
B类：
DenseNet,模型优化,图像检测算法,ResNet,EfficientNet,分类任务,技术原理,分类准确率,参量,自适应能力,改用,Focal,Loss,函数模型,图像数据集,交叉熵损失函数
AB值：
0.298871
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
