论文研究-基于同层多尺度核CNN的单细胞图像分类.pdf下载

在经典卷积神经网络模型（Convolution Neural Network，CNN）——LeNet-5的基础上，针对经典模型无法有效进行单细胞图像分类、Faraki M，Nosaka R等人的分类方法需要复杂的特征提取，并且普遍只针对完整单细胞图像，并未考虑图像残缺时的分类等问题，提出了基于同层多尺度核CNN进行单细胞图像分类的方法，使用ICPR2012 HEp-2数据集进行计算机仿真实验测试；仿真实验测试结果表明，同层多尺度核CNN模型具有较高的分类正确率，鲁棒性更好，对于旋转、残缺、对比度亮度变化的单细胞图像仍然能够进行有效分类。