10.19665/j.issn1001-2400.2020.02.006
压缩激励机制驱动的尿液细胞图像分类算法
针对尿液有形成分细胞图像的分类问题,提出了一种压缩激励机制驱动的GoogLeNet尿液细胞图像分类算法.该算法采用特征重标定机制,通过压缩操作和激励操作显式地建模Inception架构在训练过程中学习到的细胞特征通道之间的依赖关系,从而提升有用特征在当前任务中的重要程度.在尿液细胞数据集上的对比实验结果表明,在保证执行速度的情况下,该算法比GoogLeNet网络的分类准确率提升了3％,召回率提升了1％,具有更好的分类效果.
尿液细胞、压缩激励、特征重标定、图像分类
47
TP37(计算技术、计算机技术)
国家重点研发计划;国家自然科学基金;西安市大数据与视觉智能关键技术重点实验室基金;中央高校基本科研业务费专项资金
2020-04-27（万方平台首次上网日期，不代表论文的发表时间）
共8页
39-45,59
