融合多重注意力机制残差网络的血细胞识别

摘要

针对自然状态下血细胞识别精度不高、速度较慢等情况,提出一种融合多重注意力机制残差网络的血细胞分类方法。为提高网络运算速度,加强模型的非线性表达能力,提出了注意力混洗单元模块;为提高模型对血细胞特征的表示能力,嵌入了多重注意力机制;为了进一步减缓网络的过拟合现象,加强模型的泛化能力,优化了残差支路结构。实验结果表明,该模型在血细胞数据集上的准确率为95.67%,参数量为13.22 M,与其他网络相比,所提出的模型具有更高的精确度,同时能保持较低的参数量。