典型文献
基于双流卷积网络的宫颈细胞细粒度分类
文献摘要：
为了实现对宫颈细胞图像相近类别的准确自动分类,提出了一种双流卷积神经网络算法.算法以DenseNet121网络和Xception网络为基础并对其进行改进,以提高算法对宫颈细胞进行细粒度分类的识别准确率.首先,在DenseNet121中引入DropBlock模块进行网络正则化,用于提高模型的泛化能力;其次,在Xception中加入SE(squeeze-and-excitation)模块调整通道权重,以增强网络提取有效特征的能力;最后,将两个网络输出的特征图进行拼接构建双流网络,来获取宫颈细胞更全面的特征信息.实验结果表明,该网络在Herlev数据集以及SIPaKMeD数据集上各性能指标都表现良好,且都达到了99％的准确率,优于改进融合前的网络,提出的算法在宫颈细胞的细粒度分类中具有较高识别率.
文献关键词：
图像处理;细粒度分类;双流卷积网络;宫颈细胞;深度学习
中图分类号：
作者姓名：
王倩;吕晓琪;谷宇;张明
作者机构：
内蒙古科技大学信息工程学院内蒙古自治区模式识别与智能图像处理重点实验室,包头 014010;内蒙古工业大学信息工程学院,呼和浩特010051;大连海事大学信息科学技术学院,大连116026
文献出处：
引用格式：
[1]王倩;吕晓琪;谷宇;张明-.基于双流卷积网络的宫颈细胞细粒度分类)[J].科学技术与工程,2022(30):13378-13387
A类：
Herlev,SIPaKMeD
B类：
双流卷积网络,细粒度分类,宫颈细胞图像,自动分类,双流卷积神经网络,神经网络算法,DenseNet121,Xception,识别准确率,DropBlock,正则化,泛化能力,SE,squeeze,excitation,有效特征,特征图,拼接,双流网络,特征信息,识别率
AB值：
0.284508
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。
