基于輕量級網(wǎng)絡(luò)的眼表疾病識別方法研究

打開文本圖片集

摘要：由于內(nèi)存和計算資源的限制，在可移動設(shè)備端部署識別眼表疾病的深度卷積神經(jīng)網(wǎng)絡(luò)模型十分困難。對此，文章設(shè)計一種輕量的聚集模塊用于構(gòu)建高效的輕量級網(wǎng)絡(luò)架構(gòu)，網(wǎng)絡(luò)通過減少寬度和深度，并結(jié)合深度可分離卷積、標(biāo)準(zhǔn)卷積和幽靈模塊來并行生成特征映射，同時引入通道混洗操作改善不同特征通道之間的信息交互。通過對眼表圖像數(shù)據(jù)集進行實驗評估，與當(dāng)前其他輕量級網(wǎng)絡(luò)方法相比，文章方法以更少的參數(shù)量0.24M、更少的計算成本1.88B和更高的準(zhǔn)確率90.56%顯示了最佳性能。（剩余6835字）