-
题名基于卷积神经网络的宫颈癌细胞图像识别的改进算法
被引量：7
- 1
-
-
作者
夏为为
夏哲雷
-
机构
中国计量大学信息工程学院
-
出处
《中国计量大学学报》
2018年第4期439-444,共6页
-
基金
浙江省自然科学基金项目(No.LY12F01011)
-
文摘
深度学习是人工智能领域发展的一个不可或缺的部分,并且广泛应用于图像识别方面.为了进一步降低宫颈癌细胞图像的识别错误率,本文提出了一种基于卷积神经网络的改进算法.该算法通过搭建卷积神经网络框架,对下采样过程中特征提取阶段的池化模型进行改进,在下采样过程中对池化域内的每个元素分配合适的权值得到下采样特征图.实验结果表明,我们所提出的基于卷积神经网络的改进算法降低了对宫颈癌细胞图像的识别错误率.
-
关键词
池化
卷积神经网络
深度学习
宫颈细胞图像
图像识别
-
Keywords
pooling
convolution neural network
deep learning
cervical cells image
image recognition
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于残差神经网络的宫颈癌细胞识别的改进算法
被引量：2
- 2
-
-
作者
夏为为
夏哲雷
徐良
魏新秀
-
机构
中国计量大学信息工程学院
-
出处
《电视技术》
2018年第5期90-93,共4页
-
基金
浙江省自然科学基金(No.LY12F01011)
-
文摘
本文提出了一种基于残差神经网络的改进算法,该算法从迭代的角度出发,通过对训练模型引入动量参数、改变训练样本数量的措施,通过不断地迭代更新参数,对各种超参数进行调整,去除冗余信息及噪声,提高算法的识别率。实验表明本文提出改进的算法具有更高的识别准确率。
-
关键词
深度学习
残差神经网络
宫颈癌细胞图像
图像识别
-
Keywords
deep learning
residual neural network
cervical cancer cell image
image classification
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
