用于宫颈细胞分类的轻量级网络ICA-Res2Net

作者：张鹏; 谢莉; 杨海麟

来源：计算机工程与应用, 2022, 1-10.

• 宫颈细胞
• 深度卷积神经网络
• 图像分类
• 多尺度特征
• 注意力机制

针对目前宫颈细胞分类准确率不高以及实时性差的问题，本文提出改进的协调注意力模块（Improved Coordinate Attention， ICA），并结合新型残差结构Res2Net以及空间金字塔池化层，设计一种轻量级深度卷积神经网络ICA-Res2Net。首先利用Res2Net网络特征子块间的交叉卷积，提取特征层中更细粒度的信息；然后采用空间金字塔池化提取局部区域特征，从而在不增加训练参数量的同时有效提取特征；进一步引入改进的轻量级注意力模块，通过横向池化、纵向池化等操作，给予特征层各像素点不同的加权值，强化重要细节特征，帮助网络定位感兴趣对象。此外，为有效防止深度网络的退化，提出的ICA-Res2Net网络保留了残差网络的跳跃连接设计；并联合Softmax损失函数和中心损失函数对网络参数进行训练，提高其分类准确率。利用本文提出的轻量级网络对SIPaKMeD公开数据集中的宫颈细胞图像进行分类，测试集的分类准确率达到98.65%，且网络的训练参数比ResNet50、DenseNet121等经典网络更少，显著提升宫颈细胞图像的分类效率。

• 单位
  生物工程学院; 江南大学