[发明专利]基于改进残差网络的甲真菌病初筛检测的方法

权利要求书

1.一种基于改进残差网络的甲真菌病初筛检测的方法，其特征在于，包括以下步骤：

S1）制作甲真菌病图像数据集；

S2）将对步骤S1）获得的图像数据集输入到特征提取器，进行特征提取；

S3）分类器对步骤S2）获得的特征进行整合：将步骤S2）中降维后的特征输入到改进分类器模块中，模块中的双重全连接层能够对多个局部特征进行整合，找到通道间的相关性，将特征向量映射到样本类别空间进行有效的分类；

S4）计算当前值与真实值之间的差值：模型在训练样本的输入图像和相应的类别标签的基础上，通过前向和反向传播机制学习识别甲真菌病图像中的有效特征，使用正则化损失函数来规范网络的输出预测，优化模型的权重参数，提高甲真菌病分类的准确性。

2.如权利要求1所述的基于改进残差网络的甲真菌病初筛检测的方法，其特征在于，步骤S3）中，还能利用Dropout技术随机抛弃网络节点，避免参数过多导致过拟合。

3.如权利要求1所述的基于改进残差网络的甲真菌病初筛检测的方法，其特征在于，步骤S1）中的具体步骤如下：

S11）首先按照要求获取公开的甲真菌病样本，进行去除脏数据和批处理标准化的操作，

S12）再使用目标检测模型自动识别指甲位置并裁剪，完成数据集样本的扩充和统一，

S13）最后通过医生对数据进行重标注，获得甲真菌病图像数据集。

4.如权利要求1所述的基于改进残差网络的甲真菌病初筛检测的方法，其特征在于，步骤S2）中的具体步骤如下：

S21）训练集中的数据依次流经网络中每一个卷积模块，输入图像先进入第1个卷积模块Block1；

S22）再将特征送入4个卷积模块Block2、Block3、Block4和Block5，其实现过程可见图1的左下角。

5.如权利要求4所述的基于改进残差网络的甲真菌病初筛检测的方法，其特征在于，所述卷积模块Block1由64个步长为2、大小为7x7的大卷积核组成。

6.如权利要求4所述的基于改进残差网络的甲真菌病初筛检测的方法，其特征在于，所述卷积模块Block2、Block3、Block4和Block5分别由3、4、6、3个轻量注意力残差块组成，其中，轻量注意力残差块是通过加入ECA模块实现的。

7.如权利要求1所述的基于改进残差网络的甲真菌病初筛检测的方法，其特征在于，所述分类器中处理数据的具体步骤为：

S31）先对输入的特征图进行扁平化处理，把一维数组被输入到第一个全连接层中，

S32）再经过ReLU激活函数和Dropout层后被送入另一个全连接层，

S33）将特征向量映射到样本类别空间进行甲真菌病的二分类。