计算机应用研究

作者：王一丁,姚毅,李耀利,蔡少青,袁媛,

单位：1.北方工业大学信息学院,北京100144；2.北京大学药学院,北京100191；3.中国中医科学院中药资源中心,北京100700；

关键词：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,

基金：中医药行业科研专项项目(201407003)；中央本级重大增减支项目“名贵中药资源可持续利用能力建设项目”(2060302)；；

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。

来源：2021年第9期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2021年第9期