基于 MobileNet CNN 的智能手机皮肤疾病分类
计算机视觉与模式识别
2019-11-20 v1 计算机与社会
机器学习
图像与视频处理
机器学习
摘要
通过在 7 种皮肤疾病上应用迁移学习，使用了 MobileNet 模型，以在 Android 应用上创建皮肤疾病分类系统。研究者共收集了 3,406 张图像，由于各类别图像数量不等，该数据集被视为不平衡数据集。探索了不同的采样方法与输入数据预处理，以进一步提升 MobileNet 的准确率。使用欠采样方法与默认的输入数据预处理取得了 84.28% 的准确率；而使用不平衡数据集与默认的输入数据预处理取得了 93.6% 的准确率。随后，研究者对数据集进行过采样，模型达到了 91.8% 的准确率。最后，通过在输入数据预处理中使用过采样技术与数据增强，取得了 94.4% 的准确率，并将该模型部署于所开发的 Android 应用中。
引用
@article{arxiv.1911.07929,
title = {A Smartphone-Based Skin Disease Classification Using MobileNet CNN},
author = {Jessica Velasco and Cherry Pascion and Jean Wilmar Alberio and Jonathan Apuang and John Stephen Cruz and Mark Angelo Gomez and Benjamin Jr. Molina and Lyndon Tuala and August Thio-ac and Romeo Jr. Jorda},
journal= {arXiv preprint arXiv:1911.07929},
year = {2019}
}