基于深度学习的医学目标检测与识别

• 作者: 何啸峰 杨洁 林颖 陈宇韶 陈灵娜
• 来源期刊: 信息技术
• 学科: 工学
• 关键词: 卷积神经网络 数据增强 小卷积核 定位检测
• 年，卷（期）: 2018,（10）
• 所属期刊栏目: 应用技术
• 页码范围: 81-87
• 页数: 7页
• 分类号: TP183
• 字数: 5764字
• 语种: 中文
• DOI: 10.13274/j.cnki.hdzj.2018.10.017

摘要

针对SSD卷积神经网络在小目标识别度低等原因,文中提出一种新型的基于深度学习(CNN)目标检测网络模型.首先,采用数据增强方式减轻过拟合,提高网络模型泛化能力,其次,在基础网络卷积层引入1*1小卷积,与原始卷积核交叉进行卷积操作,提高小目标检测识别率,降低网络计算成本.然后,结合两次策略进行微调训练,加快训练收敛速度,提高目标识别精确度.本中提出基于CNN新型目标检测网络模型通过改变卷积核参数规模降低计算开销,目标检测精确度提高2％,提高网络模型性能,具有较强鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何啸峰	南华大学计算机学院	35	83	5.0	7.0
3	陈灵娜	南华大学计算机学院	16	75	5.0	7.0
6	林颖	南华大学计算机学院	5	36	4.0	5.0
7	陈宇韶	南华大学计算机学院	3	34	3.0	3.0
8	杨洁	南华大学计算机学院	5	58	5.0	5.0