[發明專利]基于Resnext殘差網絡的皮膚病變分類

在審

• 申請號: 202010615963.8
• 申請日: 2020-06-30
• 公開（公告）號: CN111767955A
• 公開（公告）日: 2020-10-13
• 發明（設計）人: 帥仁俊;趙宸;張廟林
• 申請（專利權）人: 南京工業大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.本發明設計一種基于Resnext殘差網絡的皮膚病變分類的方法。用于解決在皮膚病變分類中有梯度消失/爆炸和隨著網絡深度的增加，正確率開始飽和甚至下降的網絡退化的問題，為了達到該目的，所述的處理方法是采用使用殘差網絡Resnext用于解決模型訓練時產生的網絡分類準確率下降的問題，解決了分類時由于網絡層數加深而導致的反向傳播梯度消失和過擬合的問題。

2.根據權利要求1所述的基于Resnext殘差網絡的皮膚病變分類的方法，首先給將皮膚病變圖像進行樣本劃分，70％用于訓練，20％用于驗證，20％用于測試，之后為Resnext網絡提供訓練集的皮膚病變圖片，之后網絡會逐漸開始學習圖片的特征，之后圖像會分為幾個通道進入網絡使網絡開始學習，在模型達到了一定的精度之后，使用測試集進行測試，之后采用驗證集進行驗證已經訓練好的模型的分類結果。

3.根據權利要求2所述的基于Resnext殘差網絡的皮膚病變分類的方法，本發明的有益效果是：

相比于其他的CNN、DNN網絡來說，Resnext：

1)提出了(Skip-Connection)即跳躍連接的方法有效防止了網絡性能退化。

2)對比Resnet提出了一種新的堆疊的殘差塊的方法，豐富了神經網絡的內部結構，便于模型在分類時提取識別圖像的特征。

3)網絡中需要手動調節的超參數比較少，對于操作者來說容錯率較高。

4)與ResNet相比，相同的參數個數，結果更好：一個101層的ResNeXt網絡，和200層的ResNet準確度差不多，但是計算量只有后者的一半

5)模塊化的神經網絡結構十分簡明，便于研究者針對自己不同的項目進行開發。

4.根據權利要求3所述的基于Resnext殘差網絡的皮膚病變分類的方法，本設計的處理方法可以很好的解決其他神經網絡在圖像分類時加深網絡層數時產生的梯度消失和網絡性能退化的問題，有效的減少了過擬合的情況，提高了模型的精確度和訓練效率，實用性較高。