机译:基于堆叠式深度多项式网络的表示学习与小超声图像数据集的肿瘤分类
机译:集成域名知识在培训多任务级联深度学习模型中对超声图像的良性恶性甲状腺结节分类
机译:使用手工特征和大型数据集对血管内光学相干断层扫描图像进行自动A线冠状动脉斑块分类
机译:基于自我训练的训练样本选择,用于使用超声图像对肝硬化进行分类
机译:在小型数据集上使用前馈神经网络合成其他训练数据,以提高视觉数据的分类准确性。
机译:高分辨率SAR图像中的舰船分类通过带有小训练数据集的转移学习
机译:图4:培训和测试分类跨训练时期的准确性:(a)在想象网数据集上与ARESB-10,ARESB-18和ARESB-34模型进行培训和测试前1个精度; (b)培训和测试ARESB-10,ARESB-18和ImageNet DataSet上的Aresb-34模型的前5个精度。