基于Inception深度残差网络的皮肤黑色素癌图像分类算法

• 作者: 张荣梅 张琦 刘院英
• 来源期刊: 计算机系统应用
• 关键词: 深度残差网络 Inception结构 SeLU激活函数 医疗影像识别 皮肤黑色素癌分类
• 年，卷（期）: 2021,（7）
• 所属期刊栏目: 软件技术·算法|Software Technique · Algorithm
• 页码范围: 142-149
• 页数: 8页
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.007962

摘要

由于皮肤黑色素癌图像存在类内差异大、样本数据集小等特点, 采用深度残差网络可以有效解决训练过程中过拟合问题, 提高识别准确率. 但是深度残差网络模型的训练参数多, 时间复杂度高. 为了提高训练效率, 提高识别准确率, 首先从理论上分析了深度残差网络模型的结构, 通过修改网络结构, 利用Inception结构代替残差网络中的卷积层、池化层, 减少模型的训练参数数量, 降低时间复杂度. 在此基础上, 提出了基于Inception深度残差网络皮肤黑色素癌分类识别算法(Inception Deep Residual Network, IDRN), 用Inception结构代替残差网络中的卷积池化层, 用SeLU激活函数代替传统的ReLU函数. 之后, 在公开的黑色素癌皮肤镜图像ISIC2017数据集上进行实验验证. 理论和实验表明, 与传统的卷积神经网络ResNet50相比, 本文提出的新的分类算法降低了时间复杂度, 提高了识别准确率.