基于CSPPNet与集成学习的人类蛋白质图像分类方法

• 作者: 李培媛 黄迟
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 蛋白质 亚细胞定位 图像分类 空间金字塔池化 细粒度识别 集成学习
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 图形图像处理
• 页码范围: 235-242
• 页数: 8页
• 分类号: TP391
• 字数: 5281字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0055607

摘要

人类蛋白图像分类的目的是识别蛋白质细胞器中的细胞核浆、核膜等定位标签.针对蛋白质分类数据集大、多标签类别不平衡以及类间差异小等问题,结合CSPPNet与集成学习,提出一种人类蛋白质图像分类方法.该方法构建了粗细结合的CSPPNet模型,且将该模型前几层卷积生成的特征图加入空间金字塔池化层,并与模型后期卷积生成的特征图相结合,同时利用图片的整体特征和局部特征自动检测图片差异,以提高细粒度图像分类问题的精度,再通过集成学习的方法来进一步提升准确率.实验结果表明,相比经典卷积神经网络(CNN),该模型的精度与F1值均有所提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄迟	西南财经大学信息与工程学院	5	0	0.0	0.0
2	李培媛	太原理工大学数学学院	1	0	0.0	0.0