用于皮肤镜图像脱毛的编解码卷积神经网络
计算机视觉与模式识别
2020-10-13 v1 人工智能
摘要
去除遮挡毛发的过程在皮肤癌的早期和准确诊断中具有重要作用。它包括检测毛发并恢复其下方偶尔被遮挡的纹理。在这项工作中，我们提出了一种基于卷积神经网络（CNN）的皮肤镜图像脱毛模型。在网络训练期间，我们使用组合损失函数来提高所提模型的恢复能力。为了训练 CNN 并定量验证其性能，我们在从公开已知数据集（如 PH2、dermquest、dermis、EDRA2002 和 ISIC Data Archive）提取的无毛图像中模拟皮肤毛发的存在。据我们所知，尚无其他基于深度学习的脱毛方法。因此，我们通过比较参考无毛图像与模拟有毛图像的相似性度量，将我们的结果与六种基于传统计算机视觉技术的 SOTA 算法进行比较。最后，使用统计检验来比较这些方法。定性和定量结果均证明了我们网络的有效性。
引用
@article{arxiv.2010.05013,
title = {An Encoder-Decoder CNN for Hair Removal in Dermoscopic Images},
author = {Lidia Talavera-Martínez and Pedro Bibiloni and Manuel González-Hidalgo},
journal= {arXiv preprint arXiv:2010.05013},
year = {2020}
}