论文部分内容阅读
针对尿液有形成分细胞图像的分类问题,提出了一种压缩激励机制驱动的GoogLeNet尿液细胞图像分类算法。该算法采用特征重标定机制,通过压缩操作和激励操作显式地建模Inception架构在训练过程中学习到的细胞特征通道之间的依赖关系,从而提升有用特征在当前任务中的重要程度。在尿液细胞数据集上的对比实验结果表明,在保证执行速度的情况下,该算法比GoogLeNet网络的分类准确率提升了3%,召回率提升了1%,具有更好的分类效果。