一种具有不变性的旋转均值输出网络用于皮肤镜图像分类与检索
计算机视觉与模式识别
2022-11-03 v2
摘要
计算机辅助诊断（CAD）系统可为皮肤疾病的临床诊断提供参考依据。卷积神经网络（CNNs）不仅能提取颜色、形状等视觉元素，还可提取语义特征，因此在皮肤镜图像的诸多任务中取得了巨大进展。皮肤镜成像无主方向，表明数据集中存在大量皮肤病变旋转。然而，CNNs 缺乏旋转不变性，势必影响其对旋转的鲁棒性。为解决此问题，我们提出一种旋转均值输出（RM）网络，从皮肤镜图像中提取旋转不变特征。在 RM 中，每组旋转特征图对应于一组权值共享卷积的输出，并通过均值输出策略融合得到最终特征图。经理论推导，所提 RM 网络具有旋转等变性，且在后接全局平均池化（GAP）操作时可提取旋转不变特征。所提取的旋转不变特征能更好地表征原始数据，用于皮肤镜图像的分类与检索任务。RM 是一种通用操作，不改变网络结构且不增加任何参数，可灵活嵌入 CNNs 任意位置。在皮肤镜图像数据集上进行了充分实验。结果表明我们的方法优于其他抗旋转方法，并在皮肤镜图像分类与检索任务中取得显著提升，表明旋转不变性在皮肤镜图像领域的潜力。
引用
@article{arxiv.2208.00627,
title = {A Rotation Meanout Network with Invariance for Dermoscopy Image Classification and Retrieval},
author = {Yilan Zhang and Fengying Xie and Xuedong Song and Hangning Zhou and Yiguang Yang and Haopeng Zhang and Jie Liu},
journal= {arXiv preprint arXiv:2208.00627},
year = {2022}
}