基于CSPPNet与集成学习的人类蛋白质图像分类方法

来源：计算机工程杂志2020年第8期北京时间：

作者：李培媛, 黄迟

单位：1. 太原理工大学 数学学院, 太原 030024;2. 西南财经大学 信息与工程学院, 成都 611130

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。

关键词：蛋白质,亚细胞定位,图像分类,空间金字塔池化,细粒度识别,集成学习

基金资助：国家自然科学基金（61603268）。