典型文献
基于迁移学习的食道癌影像识别研究
文献摘要：
针对食道癌影像在深度学习中因为数据集小、数据不平衡而识别效果不佳等问题,提出一种基于AlexNet神经网络模型的迁移学习识别方法.首先对下载好的食道癌数据集进行相应的数据增强和预处理作为目标样本备用,接着挑选大量标签完整有关联的ImageNet图像对AlexNet网络进行训练,将训练好的AlexNet网络有效的特征提取层进行冻结,对未冻结的替换层进行符合目标样本分类任务的参数调整和结构优化,然后将目标样本放入完成迁移学习的AlexNet网络中进行训练.最后将目标样本直接放入传统的AlexNet、GooLeNet、ResNet神经网络中直接训练,并与进行迁移学习以后的AlexNet模型进行结果比较.结果表明基于迁移学习的AlexNet模型识别率明显高于传统的AlexNet神经网络模型,验证了迁移学习的可行性.
文献关键词：
迁移学习;AlexNet;食道癌;食道内窥镜
中图分类号：
作者姓名：
凌其颖;刘小芳;张阳
作者机构：
四川轻化工大学计算机科学与工程学院,宜宾 644000
文献出处：
引用格式：
[1]凌其颖;刘小芳;张阳-.基于迁移学习的食道癌影像识别研究)[J].现代计算机,2022(19):19-25,56
A类：
GooLeNet,食道内窥镜
B类：
迁移学习,食道癌,影像识别,数据不平衡,AlexNet,下载,数据增强,备用,签完,ImageNet,练好,层进,冻结,分类任务,参数调整,放入,ResNet,中直,结果比较,模型识别,识别率
AB值：
0.286064
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。
