皮膚病是醫(yī)學上的常見的、多發(fā)性疾病,因此皮膚檢測技術越來越受關注。卷積神經(jīng)網(wǎng)絡是常見的皮膚檢測方法,其模型結(jié)構(gòu)會丟失很多信息。CapsNet（膠囊網(wǎng)絡）是在卷積神經(jīng)網(wǎng)絡之后的一種新的神經(jīng)網(wǎng)絡。CapsNet的矢量化特征能夠較好地表達空間關聯(lián)性,每一個capsule（膠囊）獨立地服務各自的任務。分析了CapsNet的基本結(jié)構(gòu)和主要算法,改進了網(wǎng)絡模型從而避免過擬合現(xiàn)象發(fā)生,試圖基于改進CapsNet針對預處理之后的皮膚圖像進行識別,并與傳統(tǒng)卷積神經(jīng)網(wǎng)絡的模型作對比。實驗結(jié)果表明,使用改進CapsNet對色素性皮膚病進行識別可以有較好的識別效果,并且準確率比傳統(tǒng)方法高出8%～10%。 

【文章來源】：電子技術應用. 2020,46(11)

【文章頁數(shù)】：5 頁

【部分圖文】：

邊緣損失值

重構(gòu)損失值

總損失值

【參考文獻】：
期刊論文
[1]基于深度學習的人臉活體檢測算法[J]. 黃海新,張東.  電子技術應用. 2019(08)
[2]結(jié)合膠囊網(wǎng)絡和卷積神經(jīng)網(wǎng)絡的目標識別模型[J]. 林少丹,洪朝群,陳雨雪.  電訊技術. 2019(09)
[3]基于膠囊網(wǎng)絡的指靜脈識別研究[J]. 余成波,熊遞恩.  電子技術應用. 2018(10)
[4]基于CapsNet的中國手指語識別[J]. 郝子煜,阿里甫·庫爾班,李曉紅,依沙·吾阿提別克.  計算機應用研究. 2019(10)
[5]基于深度卷積神經(jīng)網(wǎng)絡的色素性皮膚病識別分類[J]. 何雪英,韓忠義,魏本征.  計算機應用. 2018(11)



本文編號：3314102