基于卷积神经网络的宫颈癌细胞图像识别的改进算法

• 作者: 夏为为 夏哲雷
• 来源期刊: 中国计量大学学报
• 学科: 工学
• 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
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 信息科学
• 页码范围: 439-444
• 页数: 6页
• 分类号: TP391
• 字数: 2700字
• 语种: 中文
• DOI: 10.3969/j.issn.2096-2835.2018.04.015

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	夏哲雷	中国计量大学信息工程学院	51	327	10.0	16.0
2	夏为为	中国计量大学信息工程学院	2	8	2.0	2.0