10.19678/j.issn.1000-3428.0057341
基于STN与异构卷积滤波器的肝硬化识别
卷积神经网络因缺乏空间不变性造成分类精度不高,且由于复杂度过高导致分类效率较低.提出一种利用空间变换网络和异构卷积滤波器的SH_ImAlexNet网络,应用于肝硬化样本识别.改进卷积神经网络AlexNet的结构和参数以满足肝硬化样本尺度要求,引入空间变换网络层增强特征提取能力与空间不变性,采用异构卷积滤波器替换部分卷积核降低复杂度并提升鲁棒性.实验结果表明,该网络的分类效果较AlexNet、VGG等传统网络更优,在小样本数据集和大样本数据集上的识别率分别达到98.28%和95.67%,空间复杂度和时间复杂度更低且运行效率更高.
空间变换网络、异构卷积滤波器、AlexNet模型、卷积神经网络、肝硬化识别
47
TP183(自动化基础理论)
国家自然科学基金61303079
2021-05-17(万方平台首次上网日期,不代表论文的发表时间)
共8页
301-307,315