基于改进CapsNet的色素性皮肤病识别的研究

作者：李励泽; 张晨洁; 杨晓慧^*; 孙文斌; 郭滨

来源：电子技术应用, 2020, 46(11): 60-64.

DOI：10.16157/j.issn.0258-7998.200121

• 色素性皮肤病
• 皮肤图像识别
• 神经网络
• 胶囊网络

皮肤病是医学上的常见的、多发性疾病,因此皮肤检测技术越来越受关注。卷积神经网络是常见的皮肤检测方法,其模型结构会丢失很多信息。CapsNet(胶囊网络)是在卷积神经网络之后的一种新的神经网络。CapsNet的矢量化特征能够较好地表达空间关联性,每一个capsule(胶囊)独立地服务各自的任务。分析了CapsNet的基本结构和主要算法,改进了网络模型从而避免过拟合现象发生,试图基于改进CapsNet针对预处理之后的皮肤图像进行识别,并与传统卷积神经网络的模型作对比。实验结果表明,使用改进CapsNet对色素性皮肤病进行识别可以有较好的识别效果,并且准确率比传统方法高出8%～10%。

• 单位
  长春理工大学; 电子信息工程学院