第40卷第4期Vol.40No.4重庆工商大学学报(自然科学版)JChongqingTechnol＆BusinessUniv(NatSciEd)2023年8月Aug.2023基于改进ConvNeXt的COVID-19胸部图像分类李学松a，瞿远近b，黄凯文a，宋乾坤c安徽理工大学a．电气与信息工程学院;b．计算机科学与技术学院;c．人工智能学院，安徽淮南232001摘要:针对新型冠状病毒感染胸部X-ray图像分类任务数据集样本过少，现有的两阶段分类器和三阶段分类器模型对高纬度的图像特征提取效果差，模型训练慢等问题，提出一种基于ConvNeXt卷积神经网络改进的分类任务算法ConvNeXt-AT。ConvNeXt-AT分类模型首先通过在ConvNeXtBlock层添加混合域注意力机制CBAM来提高图像特征提取能力，不仅考虑了通道间的信息交互能力还考虑到了空间域上像素间的联系，得到ConvNeXt-AT模型;然后针对X-ray图片常见的泊松噪声使用全变差正则化方法对数据集进行降噪处理;最后在COVID-19公开的大型数据集共21165张图片进行对比实验。实验结果表明，在训练数据集充分的情况下，改进的ConvNeXt-AT模型相较于常用分类模型ＲesNet-50、MobileNet、EfficientNet以及原ConvNeXt-T在准确率上分别提升了2%、2．7%、2．1%、1．9%。最后通过Grad-CAM显示类激活图的图像可视化方法证明改进方法是可行的，模型具有很好的鲁棒性。关键词:COVID-19;ConvNeXt-AT;图像分类;注意力机制中图分类号:TP391．4文献标识码:Adoi:10.16055/j.issn.1672－058X.2023.0004.005收稿日期:2022－03－05修回日期:2022－05－18文章编号:1672－058X(2023)04－0035－06基金项目:安徽省自然科学基金(2008085MF220);安徽省自然科学基金(2008085UD06);安徽高校与人工智能研究院协同创新项目(GXXT－2021－006)．作者简介:李学松(1998—)，男，安徽六安人，硕士研究生，从事计算机视觉研究．引用格式:李学松，瞿远近，黄凯文，等．基于改进ConvNeXt的COVID-19胸部图像分类［J］．重庆工商大学学报(自然科学版)，2023，40(4):35—40．LIXuesong，QUYuanjin，HUANGKaiwen，etal．ClassificationofCOVID-19chestimagesbasedonimprovedConvNext［J］．JournalofChongqingTechnologyandBusinessUniversity(NaturalScienceEdition)，2023，40(4):35—40．ClassificationofCOVID-19ChestImagesBasedonImprovedConvNeXtLIXuesonga，QUYuanjinb，HUANGKaiwena，SONGQiankunca．SchoolofElectricalandInformationEngineering;b．SchoolofComputerScienceandTechnology;c．SchoolofArtificialInt...
