摘要：针对不同光强、风格、背景影响卷积神经网络对糖尿病视网膜病变(diabetic retinopathy,DR)分类精度的问题,设计了一种基于resnet-101融合实例批量归一化的方法。在resnet-101的浅层(Conv2_x、Conv3_x、Conv4_x)的基本模块中,将第一个Conv后的批标准化更换为一半批标准化一半实例标准化。数据集划分为糖尿病视网膜病变阶段检测和糖尿病视网膜病变筛查检测两部分,通过改变曝光、镜像、旋转和添加少量高斯噪声等方式扩充数据集。实验结果表明,融合IBN-Block_1和IBN-Block_2的IBN2-Net在糖尿病视网膜病变阶段检测实验中准确率达到了98.8%,融合IBN-Block_1、IBN-Block_2和IBN-Block_3的IBN3-Net在糖尿病视网膜病变筛查检测实验中准确率达到了98.4%,融入IBN-Block能够提高糖尿病视网膜病变分类模型的精度和鲁棒性。

摘要：服装关键点的检测对服饰分类、推荐和检索效果具有重要的作用,然而实际服装数据库中存在大量形变及背景复杂的服饰图片,导致现有服装分类模型的识别率和服装推荐、检索的效果较差.为此,本文提出了一种级联层叠金字塔网络模型CSPN(Cascaded Stacked Pyramid Network),将目标检测方法与回归方法相结合,首先采用Faster R-CNN结构对服装目标区域进行识别,然后基于resnet-101结构生成的多层级特征图,构建级联金字塔网络,融合服饰图像的多尺度高低层信息,解决图片形变及复杂背景下服装关键点识别准确度不高等问题.实验结果表明,CSPN模型在DeepFashion数据集上较其他三种模型对服装关键点具有较高识别度.