基于VGG16预训练模型的睑板腺缺失程度识别

TP391; 建立基于 VGG16 预训练模型的睑板腺缺失程度识别系统.收集福建医科大学附属第二医院 2015年 1 月至 2020 年 12 月 2000 例患者的睑板腺图像.通过图像预处理、标注、裁剪等构建 4364 张睑板腺 MGH小数据集.利用 VGG16 的迁移学习方法,在小样本情况下进行睑板腺缺失程度识别,并探讨不同优化方法、学习率、迭代次数、批量大小、数据集划分比例对识别准确率的影响.当优化器为 Adam、学习率为 10-5、批量大小为 60、迭代次数为 100、训练集测试集比例为 7∶3 时,模型识别效果最好,准确率为 90％,模型评估每张图不超于 3s....

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Veröffentlicht in:	泉州师范学院学报 2023, Vol.41 (2), p.16-22
Hauptverfasser:	罗仙仙, 许松芽, 吴福成, 王静茹, 高莹莹
Format:	Artikel
Sprache:	chi
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Beschreibung
Zusammenfassung:	TP391; 建立基于 VGG16 预训练模型的睑板腺缺失程度识别系统.收集福建医科大学附属第二医院 2015年 1 月至 2020 年 12 月 2000 例患者的睑板腺图像.通过图像预处理、标注、裁剪等构建 4364 张睑板腺 MGH小数据集.利用 VGG16 的迁移学习方法,在小样本情况下进行睑板腺缺失程度识别,并探讨不同优化方法、学习率、迭代次数、批量大小、数据集划分比例对识别准确率的影响.当优化器为 Adam、学习率为 10-5、批量大小为 60、迭代次数为 100、训练集测试集比例为 7∶3 时,模型识别效果最好,准确率为 90％,模型评估每张图不超于 3s.
ISSN:	1009-8224