10.13229/j.cnki.jdxbgxb20191182
基于多尺度信息融合的图像识别改进算法
针对医学图像样本中存在噪声元素多、正负样本区分度不明显的问题,设计了一种递进式的多尺度信息融合机制,并结合自然图像分类中的注意力机制,对现有卷积神经网络结构进行改进,建立了端到端的图像自动识别模型.该模型对卷积神经网络不同层的输出选择相对应融合策略,对图像的不同层次的信息进行综合利用.采用改进后的模型对肺炎疾病正负样本X光片进行识别,准确率达到95.11%,查准率达到90.75%,查全率达到90.28%.设计了多组交叉对比实验,实验结果表明:改进后的模型在时间和空间复杂度上的优越性以及本文设计的多尺度信息融合机制对图像识别任务准确率的提升性更高.
计算机应用技术、卷积神经网络、肺炎疾病识别、注意力机制、多尺度信息融合机制
50
TP391.4(计算技术、计算机技术)
国家自然科学基金61672260
2020-11-20(万方平台首次上网日期,不代表论文的发表时间)
共8页
1747-1754