一种基于少样本增强的肺炎分类轻量化方法

本发明公开了一种基于少样本增强的肺炎分类轻量化方法，其包括步骤：S1、对肺部胸片图像进行预处理；S2、构建深度卷积生成对抗网络，对少类样本进行数据增强，以平衡正负样本比例；S3、构建残差神经网络，将步骤S2类别平衡后的数据集作为网络输入并进行训练；S4、采用基于几何中位数的方法对步骤S3中的网络进行剪枝，去除冗余过滤器，并通过从头训练恢复精度。本发明能够在基本保持肺炎分类模型性能的同时，显著降低存储占用和计算复杂度，特别适用于资源受限环境中的应用，具有较强的实际应用价值和推广潜力。