糖尿病性視網膜圖像的深度神經網絡分類方法
大小：1.04 MB 人氣： 2017-12-05 需要積分：2
針對傳統的視網膜圖像處理步驟復雜、泛化性差、缺少完整的自動識別系統等問題，提出了一套完整的基于深度神經網絡的視網膜圖像自動識別系統。首先，對圖像進行去噪、歸一化、數據擴增等預處理；然后，設計了緊湊的神經網絡模型-CompactNet，CompactNet繼承了AlexNet的淺層結構參數，深層網絡參數則根據訓練數據進行自適應調整；最后，針對不同的訓練方法和不同的網絡結構進行了性能測試。實驗結果表明，CompactNet網絡的微調方法要優于傳統的網絡訓練方法，其分類指標可以達到0. 87，與傳統直接訓練相比高出0.27；對于LeNet，AlexNet和CompactNet三種網絡模型，CompactNet網絡模型的分類準確率最高；并且通過實驗證實了數據擴增等預處理方法的必要性。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
糖尿病性視網膜圖像的深度神經網絡分類方法下載
相關電子資料下載
- 神經網絡預測模型的構建方法 109
- CNN的定義和優勢 112
- 基于CNN的網絡入侵檢測系統設計 105
- 數據分析有哪些分析方法 82
- 數據分析與數據挖掘的區別 55
- rnn是遞歸神經網絡還是循環神經網絡 164
- rnn是什么神經網絡模型 162
- rnn是什么神經網絡 174
- 遞歸神經網絡結構形式主要分為 129
- 簡述遞歸神經網絡的計算過程 135