论文摘要
针对传统卷积神经网络(CNN)稀疏的网络结构无法保留全连接网络密集计算的高效性和在实验过程中卷积特征利用率低造成的分类结果不准确或收敛速度较慢的问题,提出了一种基于CNN的多尺度方法结合反卷积网络的特征提取算法(MSDCNN)并对腺癌病理图像进行分类。首先,利用反卷积操作实现不同尺度特征的融合,然后利用Inception结构不同尺度卷积核提取多尺度特征,最后通过Softmax方法对图像进行分类。在腺癌病理细胞图像进行的分类实验结果表明,在最后的卷积特征尺度相同的情况下,MSDCNN算法比传统的CNN算法分类精度提高了约14%,比同样基于多尺度特征的融合网络模型方法分类精度提高了约1.2%。
论文目录
文章来源
类型: 期刊论文
作者: 史文旭,江金洪,鲍胜利
关键词: 反卷积,结构,特征融合,病理图像
来源: 科学技术与工程 2019年35期
年度: 2019
分类: 工程科技Ⅱ辑,医药卫生科技,信息科技
专业: 肿瘤学,计算机软件及计算机应用
单位: 中国科学院成都计算机应用研究所院,中国科学院大学计算机科学与技术学院
基金: 四川省科技厅重点研发项目(2018SZ0040),四川省新一代人工智能重大专项(2018GZDZX0036)资助
分类号: TP391.41;R730.261
页码: 279-285
总页数: 7
文件大小: 1818K
下载量: 170
相关论文文献
- [1].基于深度可分离卷积的轻量级时间卷积网络设计[J]. 计算机工程 2020(09)
- [2].卷积神经网络中的激活函数分析[J]. 科学技术创新 2019(33)
- [3].基于分组卷积的密集连接网络研究[J]. 江苏科技大学学报(自然科学版) 2020(01)
- [4].基于符号图卷积网络的药物互作用关系预测[J]. 现代计算机 2020(16)
- [5].关于深度卷积神经网络在计算机视觉中的应用研究[J]. 数码世界 2020(06)
- [6].卷积等价分布簇的推广及其分布卷积的封闭性[J]. 伊犁师范学院学报(自然科学版) 2013(04)
- [7].L(γ)族卷积的封闭性[J]. 安庆师范学院学报(自然科学版) 2011(01)
- [8].一维量子卷积计算[J]. 计算机工程与应用 2020(08)
- [9].基于时间卷积网络的机器阅读理解[J]. 福州大学学报(自然科学版) 2020(03)
- [10].局部卷积等价分布簇的扩张及其卷积的封闭性[J]. 伊犁师范学院学报(自然科学版) 2015(04)
- [11].用于室内环境语义分割的全卷积网络[J]. 长春理工大学学报(自然科学版) 2020(04)
- [12].基于卷积自编码器的心电压缩方法[J]. 电子设计工程 2019(22)
- [13].卷积神经网络综述[J]. 中原工学院学报 2017(03)
- [14].基于卷积神经网络的图像识别[J]. 科技创新导报 2019(24)
- [15].基于分组卷积和空间注意力机制的单幅图像去雨方法[J]. 电脑知识与技术 2020(20)
- [16].基于深度可分离卷积结构的人脸表情识别研究[J]. 电脑与电信 2020(06)
- [17].多通道融合分组卷积神经网络的人群计数算法[J]. 小型微型计算机系统 2020(10)
- [18].卷积等价分布簇的推广及其分布卷积根的封闭性[J]. 伊犁师范学院学报(自然科学版) 2018(01)
- [19].用于行为识别的通道可分离卷积神经网络[J]. 信号处理 2020(09)
- [20].“数字信号处理”中分段卷积的教学探讨[J]. 电气电子教学学报 2011(02)
- [21].一种面积与功耗优化的卷积器设计[J]. 计算机工程 2010(22)
- [22].基于深度卷积网络与空洞卷积融合的人群计数[J]. 上海师范大学学报(自然科学版) 2019(05)
- [23].基于3D半密度卷积神经网络的断裂检测[J]. 地球物理学进展 2019(06)
- [24].全卷积神经网络研究综述[J]. 计算机工程与应用 2020(01)
- [25].淋巴结转移检测的八度卷积方法[J]. 计算机应用 2020(03)
- [26].基于时域卷积网络精细化光伏发电功率预测[J]. 供用电 2020(10)
- [27].基于FPGA的卷积神经网络定点加速[J]. 计算机应用 2020(10)
- [28].基于轻量级卷积神经网络的人脸检测方法研究（英文）[J]. 机床与液压 2020(18)
- [29].一种新型2-D卷积器的FPGA实现[J]. 微电子学与计算机 2011(09)
- [30].普通型Bell多项式与卷积多项式序列的若干恒等式[J]. 科学技术与工程 2010(03)