基于改进CapsNet的色素性皮肤病识别的研究

摘要

皮肤病是医学上的常见的、多发性疾病,因此皮肤检测技术越来越受关注.卷积神经网络是常见的皮肤检测方法,其模型结构会丢失很多信息.CapsNet(胶囊网络)是在卷积神经网络之后的一种新的神经网络.CapsNet的矢量化特征能够较好地表达空间关联性,每一个capsule(胶囊)独立地服务各自的任务.分析了CapsNet的基本结构和主要算法,改进了网络模型从而避免过拟合现象发生,试图基于改进CapsNet针对预处理之后的皮肤图像进行识别,并与传统卷积神经网络的模型作对比.实验结果表明,使用改进CapsNet对色素性皮肤病进行识别可以有较好的识别效果,并且准确率比传统方法高出8％～10％.