首页 > 《中国计量大学学报》 > 2018年2期 > 深度卷积神经网络的宫颈癌细胞图像识别

深度卷积神经网络的宫颈癌细胞图像识别

在线阅读下载PDF 导出详情

摘要在此提出一种改进的深度卷积神经网络模型,该模型通过增加并联卷积层,拓展卷积神经网络宽度实现,有利于提取图像特征,提高网络性能;卷积层中对特征图像采用批量归一化方法进行预处理,加快网络训练.实验结果表明,该模型能更准确地学习宫颈癌细胞图像特征,从而有效降低了分类错误率.

DOI rdx52yw9jl/1873873

作者谢欣;夏哲雷

机构地区不详

出处《中国计量大学学报》 2018年2期

关键词卷积神经网络图像识别宫颈癌细胞

分类 [机械工程][测试计量技术及仪器]

出版日期 2018年02月12日（中国期刊网平台首次上网日期，不代表论文的发表时间）

相关文献

1夏为为;夏哲雷. 基于卷积神经网络的宫颈癌细胞图像识别的改进算法.测试计量技术及仪器,2018-04.
2文作为. 基于卷积神经网络的图像识别算法研究.建筑技术科学,2024-03.
3赵晓迪. 基于卷积神经网络的 GIS缺陷图像识别方法研究.建筑技术科学,2019-12.
4赵晓迪. 基于卷积神经网络的GIS缺陷图像识别方法研究.社会学,2019-11.
5张濮岩. 基于CIFAR-10的卷积神经网络的图像识别的研究.建筑技术科学,2022-07.
61程玲,2,聂罗娜. 面向图像识别的深度神经网络模型设计研究.建筑技术科学,2023-09.
7谢欣;夏哲雷. 一种改进的残差网络宫颈癌细胞图像识别方法.测试计量技术及仪器,2018-04.
8黄中英. 神经网络在图像识别中的应用.建筑技术科学,2023-09.
9杨琳. 基于深度学习的卷积神经网络图像清晰度识别研究.,2022-08.
10杨琳. 基于深度学习的卷积神经网络图像清晰度识别研究.,2022-07.

来源期刊

中国计量大学学报

中国计量大学学报

相关推荐

同分类资源更多

相关关键词

卷积神经网络图像识别宫颈癌细胞

返回顶部