基于双流卷积网络的宫颈细胞细粒度分类

基于双流卷积网络的宫颈细胞细粒度分类
王倩;吕晓琪;谷宇;张明
【期刊名称】《科学技术与工程》
【年(卷),期】2022(22)30
【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。

【总页数】10页(P13378-13387)
【作者】王倩;吕晓琪;谷宇;张明
【作者单位】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;内蒙古工业大学信息工程学院;大连海事大学信息科学技术学院
【正文语种】中文
【中图分类】TP391.4;R73
【相关文献】
1.基于卷积网络的车辆定位与细粒度分类算法
2.基于全卷积网络和条件随机场的宫颈癌细胞学图像的细胞核分割
3.基于核化双线性卷积网络的细粒度图像分类
4.基于多层聚焦Inception-V3卷积网络的细粒度图像分类
5.宫颈细胞细粒度分类方法
因版权原因，仅展示原文概要，查看原文内容请购买。