基于改进Adam算法的胃肠镜图像分类方法OA
提出一种针对胃肠镜图像分类任务优化的改进Adam算法。该算法通过引入学习率衰减和自适应梯度正则化,有效提升了模型在胃肠镜图像上的分类性能和收敛速度。学习率衰减根据梯度变化调节学习率,以加快收敛并减少振荡;自适应梯度正则化能够减少过拟合,提高泛化能力。为验证改进后算法的有效性,在公开的Kvasir数据集上进行了实验,取得了67.67%的准确率,与Adam、SGD、AdamW等算法相比有所提高。
孙海静;崔佳琪;邵一川;赵骞;张乐;李刚
沈阳大学智能科学与信息工程学院,辽宁沈阳110044沈阳大学智能科学与信息工程学院,辽宁沈阳110044沈阳大学智能科学与信息工程学院,辽宁沈阳110044沈阳工业大学理学院,辽宁沈阳110870沈阳大学智能科学与信息工程学院,辽宁沈阳110044国家税务总局辽宁省税务局,辽宁沈阳110016
信息技术与安全科学
深度学习改进Adam算法学习率衰减自适应梯度正则化胃肠镜图像分类
《沈阳大学学报(自然科学版)》 2026 (1)
P.53-60,90,9
辽宁省教育科学“十四五”规划项目(JG22DB488)。
评论