改进残差网络的猴痘病毒皮肤病变分类

目前猴痘病毒在全球范围内传播,这种病毒在临床上与其他皮肤疾病难以区分,特别是天花病毒和水痘病毒.在确定性聚合酶链式反应技术和其他生物检测技术还没有完全成熟的情况下,通过计算机辅助诊断技术检测猴痘病毒皮肤病变是一种可行的方法,因此提出了一种基于残差网络的猴痘病毒皮肤病变分类算法.该算法以残差网络为基本框架,结合深度可分离卷积和轻量化注意力,在降低模型计算量与复杂度的同时,也提高了模型的分类性能.实验结果表明,该算法对猴痘病毒皮肤病变表现出较好的分类性能,对猴痘皮肤病变的分类准确率、召回率和精度分别为97.3%, 96.8%和97.2%,且均优于实验中所对比的常见分类模型和其他研究方法.

关注全局真实度的文本到图像生成

针对文本和图像模态在高维空间中相互映射的困难问题,提出以全局句子向量为输入,以堆叠式结构为基础的生成对抗网络(GAN),应用于文本生成图像任务.该网络融入双重注意力机制,在空间和通道两大维度上寻求特征融合的更大化,同时增加真实度损失判别器作为约束.所提方法在加利福尼亚理工学院的CUB鸟类数据集上实验验证,用Inception Score和SSIM作为评估指标.结果表明,生成图像具有更真实的细节纹理,视觉效果更加接近于真实图像.