基于深度卷积神经网络的生物医学混合图像检测

• 作 者: 张国标 李信 陆伟
• 机 构: 武汉大学信息管理学院,武汉大学信息检索与知识挖掘研究所
• 出 处: 现代情报
• 发表日期: 2020年07期
• 关键词: 混合图像检测 生物医学图像 深度卷积神经网络 VGG16 ImageCLEF2016 compound figure detectionbiomedical i
• 基金项目: 国家社会科学基金重大项目“基于认知计算的学术论文评价理论与方法研究”(项目编号:17&ZDA292)

[目的/意义]通过混合图像检测对生物医学学术文献里的图像进行分类,为进一步的生物医学图像研究提供支撑。[方法/过程]利用深度卷积神经网络的经典模型VGG16网络构建了混合图像检测模型,并对VGG16网络的第1个卷积层的卷积核做了修改,对比了3种不同大小的卷积核的检测效果。[结果 /结论]通过对Image CLEF2016混合图像检测测试数据集的检测,使用5×5卷积核的VGG16模型的检测正确率达到97. 08%,准确率、召回率和F1值指标均优于对比网络模型的检测结果。通过对首层提取的特征图进行可视化