排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
乳腺癌是女性最常见的恶性肿瘤之一,严重威胁患者健康,因此乳腺钼靶图像多分类对临床诊断乳腺癌具有十分重要的作用。传统卷积神经网络直接采用高级特征对乳腺钼靶图像进行多分类研究,此方法准确率不高。为了进一步提高分类准确率,构建人型网络模型进行分类。此结构通过堆叠的卷积层以及最大池化层来进行图片的低级特征进行提取,通过堆叠的卷积层以及上池化层将特征逐步返回到图片形式的特征图,通过堆叠的卷积层以及最大池化层再次提取到更高级的特征并与之前的低级特征进行级联,将级联的特征经过全局最大池化层进行池化并得到最终分类。在中山大学肿瘤防治中心的1 824幅乳腺钼靶图像做仿真实验,实验结果表明,该方法的准确率达到了74.54%,优于现有相关网络模型。 相似文献
2.
针对YOLOv3在刑侦领域车辆目标检测中对远距离小目标检测效果较弱的问题,提出反卷积YOLOv3算法.对Darknet-53输出的小尺度特征图反卷积后与大尺度特征图进行特征融合,得到更多小目标的特征信息,用add代替concat进行特征融合从而增加描述图像每维度信息量;利用K-means++对车辆目标数据集聚类分析后重... 相似文献
1
