基于改进ConvNeXt网络与知识蒸馏的宫颈图像分类

摘要

针对目前宫颈图像分类模型准确率低、参数量大等问题，提出改进ConvNeXt网络与知识蒸馏的宫颈图像分类方法.首先，在ConvNeXt模型的基础上，提出注意力重组单元，有效增强宫颈图像特征表达能力，同时为缩小同类宫颈特征差距，引入三元组损失函数，构建ConvNeXt＿T教师网络；其次，将ShuffleNetV2模型的ReLU激活函数替换为SiLU,建立模型深层特征和浅层特征之间的自蒸馏路径，构建ShuffleNetV2＿S学生网络；最后，利用知识蒸馏将ConvNeXt＿T教师网络的输出结果蒸馏到轻量级ShuffleNetV2＿S学生网络，用于宫颈图像分类.实验结果表明，提出的改进模型在Kaggle公开数据集上分类准确率为80.55%,相较ShuffleNetV2模型，准确率提升了8.78%,在参数量和计算复杂度方面，比ConvNeXt等网络具有更大优势.

关键词

宫颈图像分类 / ConvNeXt / ShuffleNetV2 / 注意力重组 / 三元组损失 / 知识蒸馏

基金资助

河北省省级科研计划项目(20327218D); 2023年上海电子信息职业技术学院高层次人才启动项目(GCC2023001); 唐山市卫生陶瓷质量智能监控技术基础创新团队(21130211D)