期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
共找到
1
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于深度卷积神经网络的生物医学混合图像检测
被引量：
2
1
作者
张国标
李信
陆伟
《现代情报》
CSSCI
2020年第7期74-81,103,共9页
[目的/意义]通过混合图像检测对生物医学学术文献里的图像进行分类,为进一步的生物医学图像研究提供支撑。[方法/过程]利用深度卷积神经网络的经典模型VGG16网络构建了混合图像检测模型,并对VGG16网络的第1个卷积层的卷积核做了修改,对...
[目的/意义]通过混合图像检测对生物医学学术文献里的图像进行分类,为进一步的生物医学图像研究提供支撑。[方法/过程]利用深度卷积神经网络的经典模型VGG16网络构建了混合图像检测模型,并对VGG16网络的第1个卷积层的卷积核做了修改,对比了3种不同大小的卷积核的检测效果。[结果/结论]通过对ImageCLEF2016混合图像检测测试数据集的检测,使用5×5卷积核的VGG16模型的检测正确率达到97.08%,准确率、召回率和F1值指标均优于对比网络模型的检测结果。通过对首层提取的特征图进行可视化发现,在VGG16网络中5×5的卷积核相比3×3的卷积核可以提取更多的边缘特征,更适合混合图像检测任务。
展开更多
关键词
混合图像检测
生物医学
图像
深度卷积神经网络
VGG16
ImageCLEF2016
在线阅读
下载PDF
职称材料
题名
基于深度卷积神经网络的生物医学混合图像检测
被引量：
2
1
作者
张国标
李信
陆伟
机构
武汉大学信息管理学院
武汉大学信息检索与知识挖掘研究所
出处
《现代情报》
CSSCI
2020年第7期74-81,103,共9页
基金
国家社会科学基金重大项目“基于认知计算的学术论文评价理论与方法研究”(项目编号:17&ZDA292)。
文摘
[目的/意义]通过混合图像检测对生物医学学术文献里的图像进行分类,为进一步的生物医学图像研究提供支撑。[方法/过程]利用深度卷积神经网络的经典模型VGG16网络构建了混合图像检测模型,并对VGG16网络的第1个卷积层的卷积核做了修改,对比了3种不同大小的卷积核的检测效果。[结果/结论]通过对ImageCLEF2016混合图像检测测试数据集的检测,使用5×5卷积核的VGG16模型的检测正确率达到97.08%,准确率、召回率和F1值指标均优于对比网络模型的检测结果。通过对首层提取的特征图进行可视化发现,在VGG16网络中5×5的卷积核相比3×3的卷积核可以提取更多的边缘特征,更适合混合图像检测任务。
关键词
混合图像检测
生物医学
图像
深度卷积神经网络
VGG16
ImageCLEF2016
Keywords
compound figure detection
biomedical images
deep convolutional neural network
VGG16
ImageCLEF2016
分类号
G251 [文化科学—图书馆学]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于深度卷积神经网络的生物医学混合图像检测
张国标
李信
陆伟
《现代情报》
CSSCI
2020
2
在线阅读
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部
