首页|基于改进动态ReLU和注意力机制模型的中药材粉末显微图像识别研究

基于改进动态ReLU和注意力机制模型的中药材粉末显微图像识别研究

Research on microscopic image recognition of Chinese medicinal materials powder based on improved dynamic ReLU and attention mechanism model

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据
中药材粉末显微特征图像数据量少、样本类别分布不均衡、类间差异小,传统的图像识别方法分类效果不佳.针对以上问题提出一种基于动态ReLU和注意力机制模型的深度卷积神经网络改进方法.首先,采用对小样本数据分类效果明显的Xception作为基础网络;其次,将网络中的静态ReLU激活函数替换为改进的动态ReLU函数,让每个样本具有自己独特的ReLU参数;最后,在网络中嵌入改进的SE模块,使网络能够更好地自动学习到每个特征通道的重要程度.以上方法可以使网络更加注重于图像中的细节信息,能很好地解决样本类别分布不均衡、类间差异小的问题.实验结果表明,对56种中药材粉末导管图像进行分类识别,其准确率提升了约1.5％,达到93.8％,证明了所提研究方法相比于其他图像分类方法具有一定的优越性.

王一丁、姚毅、李耀利、蔡少青、袁媛

展开 >

北方工业大学 信息学院,北京 100144

北京大学 药学院,北京 100191

中国中医科学院 中药资源中心,北京100700

卷积神经网络 中药材粉末显微特征图像识别 深度学习 动态ReLU函数 SE模块

2014070032060302

2021

10.19734/j.issn.1001-3695.2020.11.0427

计算机应用研究
四川省电子计算机应用研究中心

计算机应用研究

CSTPCDCSCD北大核心
影响因子：0.93
ISSN：1001-3695
年,卷(期)：2021.38(9)
  • 4
  • 6