计算机应用

作者：甘岚, 郭子涵, 王瑶

单位：华东交通大学 信息工程学院, 南昌 330013

关键词：小样本数据集,数据增强,径向变换,卷积神经网络,胃肿瘤细胞图像识别

基金：国家自然科学基金资助项目（61861016）；江西省教育厅科学技术研究项目（GJJ180317）。

使用AlexNet实现胃肿瘤细胞图像分类时，存在数据集过小和模型收敛速度慢、识别率低的问题。针对上述问题，提出基于径向变换（RT）的数据增强（DA）和改进AlexNet的方法。将原始数据集划分为测试集和训练集，测试集采用剪裁方式增加数据，训练集首先采用剪裁、旋转、翻转和亮度变换得到增强图片集；然后选取其中一部分进行RT处理达到增强效果。此外，采用替换激活函数和归一化层的方式提高AlexNet的收敛速度并提高其泛化性能。实验结果表明，所提方法能以较快的收敛速度和较高的识别准确率实现胃肿瘤细胞图像的识别，在测试集中最高准确率为99.50%，平均准确率为96.69%，癌变、正常和增生三个类别的F1值分别为0.980、0.954和0.958，表明该方法较好地实现了胃肿瘤细胞图像的识别。

来源：2019年第10期

《计算机应用》期刊编辑部

查看计算机应用杂志2019年第10期