2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩58頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、目前傳統(tǒng)的宮頸細胞識別主要都是先經(jīng)過細胞圖像分割,人工設(shè)計算子選取特征,然后選用分類器進行識別。在宮頸細胞分割與特征提取階段,使用此類方法需要掌握一定的病理醫(yī)學常識,而且由于特征是人為選取,有時候選取的特征并不具有代表性,會導(dǎo)致識別效果不明顯,因此本文將深度學習框架下的卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用于宮頸細胞識別的領(lǐng)域進行研究。
  卷積神經(jīng)網(wǎng)絡(luò)是將人工神經(jīng)網(wǎng)絡(luò)和深度學習相結(jié)合的一種新型人工神經(jīng)網(wǎng)絡(luò),能夠?qū)⑻卣魈崛∨c識別分類工作相結(jié)合,其最主要

2、的特點是局部感受野、權(quán)值共享和空間子采樣,能夠提取數(shù)據(jù)的局部特征,因此在圖像識別領(lǐng)域獲得了廣泛的應(yīng)用。本文將卷積神經(jīng)網(wǎng)絡(luò)模型應(yīng)用到宮頸細胞圖像識別中,本文的方案具有圖像可以直接輸入,特征自主提取的特點,可以提高宮頸細胞圖像識別的智能化水平與效率。本文完成的主要研究工作如下:
  (1)本文詳細闡述了卷積神經(jīng)網(wǎng)絡(luò)的理論、特點和結(jié)構(gòu),為模型的改進提供理論基礎(chǔ)。本文在LeNet-5模型的基礎(chǔ)上,構(gòu)造了若干個具有不同的層間連接方式的抽取特

3、征的濾波器層的卷積神網(wǎng)絡(luò)模型,并將這些模型應(yīng)用到宮頸細胞圖像的識別中,通過仿真實驗比較各個模型的分類效果,分析了不同數(shù)量的過濾器對網(wǎng)絡(luò)性能的影響。
  (2)在上文研究的基礎(chǔ)上繼續(xù)探究影響網(wǎng)絡(luò)識別性能的因素,通過調(diào)整卷積神經(jīng)網(wǎng)絡(luò)的卷積核尺寸、下采樣方法、激活函數(shù)以及擴增圖像數(shù)據(jù)集來進行對比仿真實驗。仿真結(jié)果表明,合理的參數(shù)及方法選擇都會提高網(wǎng)絡(luò)的分類識別性能,尤其是增加圖像數(shù)據(jù)集對網(wǎng)絡(luò)性能提升效果明顯。
  (3)經(jīng)過分析了

4、卷積神經(jīng)網(wǎng)絡(luò)識別分類性能的影響因素之后,總結(jié)了合理選擇參數(shù)以及方法的規(guī)律,構(gòu)造了一個宮頸細胞圖像分類識別性能最佳的網(wǎng)絡(luò)結(jié)構(gòu)。本文構(gòu)造了一個增加卷積層過濾器數(shù)量的網(wǎng)絡(luò),并加入了BN算法作為BN層,BN算法能夠加快網(wǎng)絡(luò)訓(xùn)練速度與網(wǎng)絡(luò)收斂速度,然后加入dropout方法,隨機抑制網(wǎng)絡(luò)中的神經(jīng)元,最后使用softmax作為分類器,對宮頸細胞進行病變分類識別。
  仿真實驗結(jié)果表明:本文構(gòu)建的改進卷積神經(jīng)網(wǎng)絡(luò)對宮頸細胞圖像二分類識別率達到9

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論