一种基于改良Swin Transformer模型的肺炎图像识别分类方法

本发明公开了一种基于改良Swin Transformer模型的肺炎图像识别分类方法，包括以下步骤：S100.对原始数据进行内容标准化、图像色彩化和格式统一化三个方面的预处理；S200.对输入训练集图像进行数据增强；S300.选择ResNet‑34作为教师模型，并使用教师模型在处理好的训练集上进行提前训练，得到用以指导学生模型的硬标签；S400.使用改进后的Swin Transformer学生模型进行训练，利用包括但不限于MSG Token与shuffle的方法提高学生模型训练效率；并在计算损失函数时，利用教师模型输出的硬标签对学生模型进行指导；S500.导入待分类的胸片影像，利用训练好的学生模型得到分类结果。本发明可解决现有深度学习模型在处理大规模数据时存在的泛化能力不足、计算复杂度高以及对图像局部特征提取不足等问题。