一种基于迁移学习的非平衡类别白细胞分类方法

摘要

本发明公开了一种基于迁移学习的非平衡类别白细胞分类方法，首先对数据集进行再划分，并进行数据增强和数据预处理，得到类别平衡的数据集。然后，采用迁移学习的技术，基于Resnet 50的深度学习模型，对网络参数进行调整，使用卷积，全局池化，dropout等操作代替全连接层，自定义网络的损失函数，进行迁移训练，实现白细胞分类的功能。本发明的方法相较于其他算法对数量较少的白细胞类别的关注度更高，模型的泛化能力更强。实验表明，本发明一种基于迁移学习的非平衡类别白细胞分类方法能够达到较高的精度和准确率，具有较高的实用价值。