典型文献
基于迁移学习与标签平滑策略的宫颈细胞分类方法
文献摘要：
为了避免宫颈病理切片中误诊漏诊和细胞识别效率低下的问题,提高细胞识别效率和精度,针对宫颈细胞数据集少的特点,建立以宫颈细胞识别准确率和特异性为目标的深度学习模型TLS-Net50(Transfer Label Smooth Net 50).该算法引入迁移学习,增强了模型的特征提取能力,减少了模型的训练时间和训练成本.为了提高模型的泛化性和鲁棒性,在此基础上使用标签平滑正则化策略.改进后的算法在公开数据上的平均分类准确率达到了98％,对比其他经典深度学习算法表现优异,这证明了TLS-Net50算法在计算机辅助宫颈细胞分类识别领域是具有优越性的,具有一定的应用前景.
文献关键词：
宫颈细胞;卷积神经网络;残差结构;迁移学习;泛化性
中图分类号：
作者姓名：
刘美;周龙
作者机构：
武汉轻工大学电气与电子工程学院,武汉 430023
文献出处：
引用格式：
[1]刘美;周龙-.基于迁移学习与标签平滑策略的宫颈细胞分类方法)[J].现代计算机,2022(19):1-9,32
A类：
B类：
迁移学习,宫颈细胞,细胞分类,分类方法,病理切片,误诊,漏诊,识别准确率,深度学习模型,TLS,Net50,Transfer,Label,Smooth,特征提取能力,训练时间,练成,泛化性,标签平滑正则化,平均分,分类准确率,深度学习算法,计算机辅助,分类识别,残差结构
AB值：
0.356854
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。
