《表1 各分类样本图像数目》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于深度学习的肝包虫疾病图像分类》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

原有的数据由于病患群体的特殊性，导致三个类别的样本数目分部不均衡。所以，对现有数据进行旋转、翻转、转置等操作扩增样本数据。上述扩增操作不会使图像的结构信息发生变化，且通过这些人工的特征变换能够突显对分类有用的信息，降低无关信息的影响。有了大量数据以后，把这些数据按8:2的比例划分为训练集和测试集两部分，如表1所示。实验使用224×224像素的图像，选择SGD优化函数来优化网络损耗，验证集采用交叉验证方法，数据集的Epoch设置为200，一次处理图片的最小输入的数量（batch-size）为50，学习率为0.005。