糖尿病性視網(wǎng)膜圖像的深度神經(jīng)網(wǎng)絡分類方法
大?。?/span>1.04 MB 人氣： 2017-12-05 需要積分：2
針對傳統(tǒng)的視網(wǎng)膜圖像處理步驟復雜、泛化性差、缺少完整的自動識別系統(tǒng)等問題，提出了一套完整的基于深度神經(jīng)網(wǎng)絡的視網(wǎng)膜圖像自動識別系統(tǒng)。首先，對圖像進行去噪、歸一化、數(shù)據(jù)擴增等預處理；然后，設計了緊湊的神經(jīng)網(wǎng)絡模型-CompactNet，CompactNet繼承了AlexNet的淺層結(jié)構(gòu)參數(shù)，深層網(wǎng)絡參數(shù)則根據(jù)訓練數(shù)據(jù)進行自適應調(diào)整；最后，針對不同的訓練方法和不同的網(wǎng)絡結(jié)構(gòu)進行了性能測試。實驗結(jié)果表明，CompactNet網(wǎng)絡的微調(diào)方法要優(yōu)于傳統(tǒng)的網(wǎng)絡訓練方法，其分類指標可以達到0. 87，與傳統(tǒng)直接訓練相比高出0.27；對于LeNet，AlexNet和CompactNet三種網(wǎng)絡模型，CompactNet網(wǎng)絡模型的分類準確率最高；并且通過實驗證實了數(shù)據(jù)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(wǎng)膜圖像的深度神經(jīng)網(wǎng)絡分類方法下載
相關電子資料下載
- 神經(jīng)網(wǎng)絡預測模型的構(gòu)建方法 109
- CNN的定義和優(yōu)勢 112
- 基于CNN的網(wǎng)絡入侵檢測系統(tǒng)設計 105
- 數(shù)據(jù)分析有哪些分析方法 82
- 數(shù)據(jù)分析與數(shù)據(jù)挖掘的區(qū)別 55
- rnn是遞歸神經(jīng)網(wǎng)絡還是循環(huán)神經(jīng)網(wǎng)絡 164
- rnn是什么神經(jīng)網(wǎng)絡模型 162
- rnn是什么神經(jīng)網(wǎng)絡 174
- 遞歸神經(jīng)網(wǎng)絡結(jié)構(gòu)形式主要分為 129
- 簡述遞歸神經(jīng)網(wǎng)絡的計算過程 135