WCF-MobileNetV3：轻量型新冠肺炎CXR图像识别网络

来源：计算机工程与应用杂志2023年第14期北京时间：

作者：彭心睿, 潘晴, 田妮莉

单位：广东工业大学 信息工程学院，广州 510006

摘要：为了对新型冠状病毒引发的肺炎胸部X光（chest X-Ray，CXR）图像进行准确且快速的识别，提出了一种基于加权通道筛选（weighted channel filter，WCF）的轻量级模型WCF-MobileNetV3。将轻量级的MobileNetV3-small作为主干网络，并针对CXR图像样本类间差异小、难以提取区分性特征的问题，提出了WCF模块。提取输入特征图的高维与低维通道特征权重；采取加权随机抽样的方式生成高维与低维特征通道掩膜，将高维、低维的权重融合，并利用掩膜对融合后的权重进行通道筛选；将权重赋给输入特征图，实现通道特征增强。在Chest-X-Ray Image与COVID-19 Chest X-Ray Image Repository数据集上进行了实验，结果表明：WCF-MobileNetV3对新冠肺炎CXR图像识别的准确率、精确率、灵敏度分别为97.93%、98.64%、97.19%。与其他新冠肺炎识别算法相比，WCF-MobileNetV3能够准确且高效地识别新冠肺炎CXR图像，具有更好的识别性能。

关键词：新冠肺炎,CXR图像,卷积神经网络,通道筛选