摘要
为了更好更快地检测诊断新型冠状病毒肺炎(COVID-19),联合深度学习和迁移学习方法,提出了一种基于肺部X光片来诊断患者是否携带COVID-19的检测方法,并设计了SVRNet(separable VGG-ResNet)和SVDNet(separable VGG-DenseNet)模型。实验结果表明,相比于之前的网络模型,SVRNet的平均分类精度提高了3.15%,参数量下降了61.56%,SVDNet的平均分类精度提高了3.53%,参数量下降了55.31%。通过实验对比可以发现,新模型在提高精度的同时大大降低了参数量,提高了运行速度,可以准确快速地检测出含有COVID-19的X光片。
作者
饶克东
谢凯
RAO Kedong;XIE Kai
出处
《信息技术与信息化》
2021年第8期16-18,共3页
Information Technology and Informatization
基金
新疆维吾尔自治区自然科学基金项目(2020D01A131)
国家自然科学基金资助项目(61272147)
湖北省教育厅项目(B2019039)。
