期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到3篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于迁移学习和改进EfficientNet-B0的脑肿瘤分类算法
1
作者 王勇 杨义龙 +2 位作者 范晓晖 周雷 孔祥勇 《电子科技》 2025年第4期46-51,共6页
针对现有脑肿瘤分类模型和方法复杂度高以及识别率低等问题,文中提出一种基于改进EfficientNet-B0的模型用于3种脑肿瘤分类。在数据预处理阶段,使用ROI(Region of Interest)特征裁剪出脑肿瘤图像的关键特征区域,并按肿瘤类型扩增数据集... 针对现有脑肿瘤分类模型和方法复杂度高以及识别率低等问题,文中提出一种基于改进EfficientNet-B0的模型用于3种脑肿瘤分类。在数据预处理阶段,使用ROI(Region of Interest)特征裁剪出脑肿瘤图像的关键特征区域,并按肿瘤类型扩增数据集。根据卷积网络设计思想重新设计了EfficientNet中的MBConv(Mobile Inverted Bottleneck Convolution)模块,在首步卷积后引入卷积注意力CBAM(Convolutional Block Attention Module)。为了更完整地进行迁移学习,在不修改原始输出结构的基础上外接3个神经元用于脑肿瘤的三分类。改进网络模型具有更低的复杂度,可更好地适应肿瘤病灶的识别。文中利用迁移学习方法在公开数据集figshare-Brain Tumor Dataset上进行微调。实验结果表明,改进模型在该公共数据集上分类准确率为99.67%,相较于原始EfficientNet-B0网络提升了约3.1百分点。 展开更多
关键词 脑肿瘤分类 深度学习 卷积神经网络 阈值化处理 类平衡 EfficientNet ECA注意力机制 CBAM注意力机制
在线阅读 下载PDF
基于EC-CSP和双路特征融合的红外无人机目标检测
2
作者 李祥 李昊瞳 周敏敏 《电脑与信息技术》 2024年第5期39-43,共5页
针对红外无人机目标检测的实时性与准确性需求不断提升的问题,提出基于EC-CSP和双路特征融合的红外无人机目标检测算法。首先,提出结合ECA-CBAM注意力机制的CSP模块(Efficient Channel Attention-Convolutional Block Attention Module-... 针对红外无人机目标检测的实时性与准确性需求不断提升的问题,提出基于EC-CSP和双路特征融合的红外无人机目标检测算法。首先,提出结合ECA-CBAM注意力机制的CSP模块(Efficient Channel Attention-Convolutional Block Attention Module-CSP,EC-CSP),使网络能关注更重要的区域。其次,提出包含5×5、9×9像素大小最大池化的STM(Small Target Maxpool)模块,抑制背景特征对小尺度目标特征的干扰;最后,提出融合1×1与3×3基本卷积操作的全局特征提取(Global Feature Extracion,GFE)模块,并与STM模块组成双路特征融合(Dual Path Feature Fuasion,DPFF)模块,提高全局特征和局部特征的融合能力。实验结果表明,新算法取得了良好的实验效果。 展开更多
关键词 YOLOv5s 红外无人机 eca-cbam EC-CSP 双路特征融合
在线阅读 下载PDF
IC+IEffxNet:一种基于CBAM和改进通道注意力的EfficientNet的混合脑肿瘤分类方法 被引量：3
3
作者 华昕宇 祁云嵩 《计算机与现代化》 2023年第5期1-7,共7页
为进一步提高脑肿瘤影像诊断的准确性和稳健性,提出一种基于CBAM(Convolutional Block Attention Module)和改进通道注意力机制的EfficientNet神经网络(IC+IEffxNet)的新型混合脑肿瘤分类方法。该方法分为2个阶段,第一阶段由基于改进空... 为进一步提高脑肿瘤影像诊断的准确性和稳健性,提出一种基于CBAM(Convolutional Block Attention Module)和改进通道注意力机制的EfficientNet神经网络(IC+IEffxNet)的新型混合脑肿瘤分类方法。该方法分为2个阶段,第一阶段由基于改进空间注意力机制的CBAM模型提取特征。第二阶段将EfficientNet架构中的Squeeze and Excitation(SE)块替换成Efficient Channel Attention(ECA)块,将第一阶段的组合特征输出作为第二阶段的输入。实验展示了在混合脑肿瘤MRI数据集下,神经胶质瘤患者、脑膜瘤患者、脑垂体瘤患者与正常患者图像的4分类结果,实验结果显示分类平均准确率比现有方法提高约0.5~2个百分点。实验结果证明了该方法的有效性,为医疗专家能够准确判断脑肿瘤种类提供了新的参考。 展开更多
关键词 脑肿瘤 ECA EfficientNet CBAM 分类
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部