基于CSPPNet与集成学习的人类蛋白质图像分类方法

摘要

人类蛋白图像分类的目的是识别蛋白质细胞器中的细胞核浆、核膜等定位标签.针对蛋白质分类数据集大、多标签类别不平衡以及类间差异小等问题,结合CSPPNet与集成学习,提出一种人类蛋白质图像分类方法.该方法构建了粗细结合的CSPPNet模型,且将该模型前几层卷积生成的特征图加入空间金字塔池化层,并与模型后期卷积生成的特征图相结合,同时利用图片的整体特征和局部特征自动检测图片差异,以提高细粒度图像分类问题的精度,再通过集成学习的方法来进一步提升准确率.实验结果表明,相比经典卷积神经网络(CNN),该模型的精度与F1值均有所提升.