首页> 中文期刊> 《现代计算机：下半月版》 >基于迁移学习的食道癌影像识别研究

基于迁移学习的食道癌影像识别研究

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相关主题

摘要

针对食道癌影像在深度学习中因为数据集小、数据不平衡而识别效果不佳等问题,提出一种基于AlexNet神经网络模型的迁移学习识别方法。首先对下载好的食道癌数据集进行相应的数据增强和预处理作为目标样本备用,接着挑选大量标签完整有关联的ImageNet图像对AlexNet网络进行训练,将训练好的AlexNet网络有效的特征提取层进行冻结,对未冻结的替换层进行符合目标样本分类任务的参数调整和结构优化,然后将目标样本放入完成迁移学习的AlexNet网络中进行训练。最后将目标样本直接放入传统的AlexNet、GooLeNet、ResNet神经网络中直接训练,并与进行迁移学习以后的AlexNet模型进行结果比较。结果表明基于迁移学习的AlexNet模型识别率明显高于传统的AlexNet神经网络模型,验证了迁移学习的可行性。

著录项

来源
《现代计算机：下半月版》 |2022年第19期|19-25|共8页
作者
凌其颖; 刘小芳; 张阳;
展开▼
作者单位

四川轻化工大学计算机科学与工程学院;

展开▼
原文格式 PDF
正文语种 chi
中图分类计算技术、计算机技术;
关键词
迁移学习; AlexNet; 食道癌; 食道内窥镜;

获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

客服微信
服务号