基于改进CapsNet的色素性皮肤病识别的研究

发布时间：2021-07-31 20:02

　　皮肤病是医学上的常见的、多发性疾病,因此皮肤检测技术越来越受关注。卷积神经网络是常见的皮肤检测方法,其模型结构会丢失很多信息。CapsNet（胶囊网络）是在卷积神经网络之后的一种新的神经网络。CapsNet的矢量化特征能够较好地表达空间关联性,每一个capsule（胶囊）独立地服务各自的任务。分析了CapsNet的基本结构和主要算法,改进了网络模型从而避免过拟合现象发生,试图基于改进CapsNet针对预处理之后的皮肤图像进行识别,并与传统卷积神经网络的模型作对比。实验结果表明,使用改进CapsNet对色素性皮肤病进行识别可以有较好的识别效果,并且准确率比传统方法高出8%～10%。 

【文章来源】：电子技术应用. 2020,46(11)

【文章页数】：5 页

【部分图文】：

边缘损失值

重构损失值

总损失值

【参考文献】：
期刊论文
[1]基于深度学习的人脸活体检测算法[J]. 黄海新,张东.  电子技术应用. 2019(08)
[2]结合胶囊网络和卷积神经网络的目标识别模型[J]. 林少丹,洪朝群,陈雨雪.  电讯技术. 2019(09)
[3]基于胶囊网络的指静脉识别研究[J]. 余成波,熊递恩.  电子技术应用. 2018(10)
[4]基于CapsNet的中国手指语识别[J]. 郝子煜,阿里甫·库尔班,李晓红,依沙·吾阿提别克.  计算机应用研究. 2019(10)
[5]基于深度卷积神经网络的色素性皮肤病识别分类[J]. 何雪英,韩忠义,魏本征.  计算机应用. 2018(11)



本文编号：3314102