针对糖网病标注数据量少的问题,提出一种改进的半监督生成对抗网络方法,可以利用大量无标签数据和生成数据提升分类精度。基于Triple-GAN的半监督学习方法,提出多尺度残差网络,使用多层特征提高分类精度;设计一种压缩激活双注意力生成对抗网络,生成具有大范围关联性的图像,提高半监督模型的数据分布拟合能力。实验验证,提出模型的分类精度优于常见一些半监督模型,在糖尿病眼底图像上取得了较高的分类精度。
科研之友
微信
新浪微博
Facebook
分享链接
