一种用于皮肤镜图像分布外检测的多尺度框架
计算机视觉与模式识别
2023-01-19 v1
摘要
通过皮肤镜图像自动检测皮肤病可提高诊断效率并帮助医生做出更准确的判断。然而，传统的皮肤病识别系统可能对分布外（OOD）数据产生高置信度，这可能成为实际应用中的主要安全漏洞。在本文中，我们提出一种多尺度检测框架来检测分布外的皮肤病图像数据，以确保系统的鲁棒性。我们的框架从神经网络的不同层提取特征。在前几层中，使用修正激活使输出特征更接近良好分布，然后训练一个单类SVM来检测OOD数据；在倒数第二层中，使用自适应Gram矩阵计算修正激活后的特征，最后选择性能最佳的层来计算正常性分数。实验表明，在皮肤病识别任务中，所提出的框架与其他最先进的方法相比取得了更优的性能。
引用
@article{arxiv.2301.07533,
title = {A Multi-Scale Framework for Out-of-Distribution Detection in Dermoscopic Images},
author = {Zhongzheng Huang and Tao Wang and Yuanzheng Cai and Lingyu Liang},
journal= {arXiv preprint arXiv:2301.07533},
year = {2023}
}
备注
Paper accepted by the 4th International Conference on Machine Learning for Cyber Security (ML4CS 2022), Guangzhou, China