基于卷积神经网络的特征提取深度学习模型研究
图像与视频处理
2024-06-14 v1 计算机视觉与模式识别
机器学习
摘要
层数较浅、结构简单的神经网络在准确识别肺炎方面能力可能有限。此外，深度神经网络对计算资源的需求也很大，这可能导致卷积神经网络无法在终端上实现。因此，本文将进行卷积神经网络的最优分类。首先，根据肺炎图像的特点，选择AlexNet和InceptionV3以获得更好的图像识别结果。结合医学图像的特征，学习结构更深更复杂的前馈神经网络。最后，利用知识提取技术将获得的数据提取到AlexNet模型中，以达到提高计算效率和降低计算成本的目的。结果表明，训练后的AlexNet模型的预测准确率、特异性和敏感性分别提高了4.25个百分点、7.85个百分点和2.32个百分点。图形处理使用量相比InceptionV3模式减少了51%。
引用
@article{arxiv.2406.08837,
title = {Research on Deep Learning Model of Feature Extraction Based on Convolutional Neural Network},
author = {Houze Liu and Iris Li and Yaxin Liang and Dan Sun and Yining Yang and Haowei Yang},
journal= {arXiv preprint arXiv:2406.08837},
year = {2024}
}