基于轻量级网络的眼表疾病识别方法研究
打开文本图片集
摘要：由于内存和计算资源的限制，在可移动设备端部署识别眼表疾病的深度卷积神经网络模型十分困难。对此，文章设计一种轻量的聚集模块用于构建高效的轻量级网络架构，网络通过减少宽度和深度，并结合深度可分离卷积、标准卷积和幽灵模块来并行生成特征映射，同时引入通道混洗操作改善不同特征通道之间的信息交互。通过对眼表图像数据集进行实验评估，与当前其他轻量级网络方法相比，文章方法以更少的参数量0.24M、更少的计算成本1.88B和更高的准确率90.56%显示了最佳性能。（剩余6835字）