基于迁移集成学习的深度卷积神经网络用于糖尿病视网膜病变分类
计算机视觉与模式识别
2023-08-02 v1 人工智能
摘要
本文旨在使用基于两个流行预训练卷积神经网络 VGG16 和 Inception V3 的集成方法，将糖尿病视网膜病变（DR）疾病分为五类。所提模型旨在利用两个独立网络的优势来提升糖尿病视网膜病变的分类性能。该集成模型架构通过冻结各预训练模型的部分层来有效利用其学到的表示。添加全局平均池化层将输出特征图转换为定长向量。随后将这些向量拼接形成输入图像的整合表示。集成模型使用糖尿病视网膜病变图像数据集（APTOS）训练，并划分为训练集与验证集。训练过程中，模型学习将视网膜图像分类至相应的糖尿病视网膜病变类别。测试集上的实验结果表明，所提集成模型用于 DR 分类的有效性，取得了 96.4% 的准确率。
引用
@article{arxiv.2308.00525,
title = {Transfer-Ensemble Learning based Deep Convolutional Neural Networks for Diabetic Retinopathy Classification},
author = {Susmita Ghosh and Abhiroop Chatterjee},
journal= {arXiv preprint arXiv:2308.00525},
year = {2023}
}
备注
6 pages, 7 figures