基于矩阵相似性联合损失函数的双线性卷积神经网络用于皮肤病分类
计算机视觉与模式识别
2024-06-04 v1
摘要
在本研究中，我们提出了一种使用双线性卷积神经网络(BCNN)和约束三元组网络(CTN)的皮肤病分类模型。BCNN能够捕捉图像数据中特征之间丰富的空间交互。它通过双线性池化计算来自两个不同CNN的特征向量的外积。由此产生的特征编码了二阶统计量，使网络能够捕捉不同通道和空间位置之间更复杂的关系。CTN采用三元组损失函数(TLF)，通过在架构末端添加一个称为约束三元组损失(CTL)层的新损失层来实现。这样做是为了尽可能频繁地获得两个重要的学习目标：利用深度特征进行类间分类和类内聚集，这对于皮肤病分类可能有效。所提出的模型经过训练，可以从深度网络中提取类内特征，并相应地增加这些特征之间的距离，从而提高模型的性能。该模型达到了93.72%的平均准确率。
引用
@article{arxiv.2406.00696,
title = {Bilinear-Convolutional Neural Network Using a Matrix Similarity-based Joint Loss Function for Skin Disease Classification},
author = {Belal Ahmad and Mohd Usama and Tanvir Ahmad and Adnan Saeed and Shabnam Khatoon and Long Hu},
journal= {arXiv preprint arXiv:2406.00696},
year = {2024}
}
备注
16 pages, 11 figures, 2 tables