基于改进型RepVGG网络的中药材粉末显微图像识别研究OA
针对基于深度学习的中药材粉末显微图像识别中,图像背景杂乱、样本类间差异小的问题,提出一种基于RepVGG网络的改进方法。提取Gabor边缘特征图并与原图融合为多通道输入,改善光照鲁棒性并丰富了输入数据的特征信息。扩充RepVGG Block中的卷积尺度并将CBAM注意力机制嵌入到残差块内部,提升判别性特征的提取效果。损失函数中引入多分类合页损失,显著抑制背景噪声并提升识别效果。实验结果表明,识别准确率在原网络的基础上提升2.94百分点,达到97.67%,并证明所提改进方法优于其他分类算法。
王一丁;贺浩伟;李耀利;蔡少青;袁媛
北方工业大学信息学院,北京100144北方工业大学信息学院,北京100144北京大学药学院,北京100191北京大学药学院,北京100191中国中医科学院中药资源中心,北京100700
信息技术与安全科学
深度学习中药材显微图像识别Gabor特征注意力机制
《计算机应用与软件》 2026 (7)
P.103-109,120,8
中医药行业科研专硕项目(201407003)中央本级重大增减支项目(2060302)。
评论