使用深度学习模型和注意力机制对人类猴痘疾病进行分类
图像与视频处理
2022-11-29 v1 计算机视觉与模式识别
摘要
正当世界仍在努力从COVID-19病毒广泛传播造成的破坏中重建之际，近期在多个国家爆发的人类猴痘疾病病例数量惊人地激增，有可能成为一场新的全球大流行病。人类猴痘疾病的症状与水痘和麻疹的典型症状非常相似，但存在非常细微的差异，例如形态多样的皮肤水疱。各种深度学习方法在基于图像的COVID-19、肿瘤细胞和皮肤疾病分类任务中已展现出有前景的性能。在本文中，我们尝试整合基于深度迁移学习的方法与卷积块注意力模块（CBAM），以聚焦于特征图的相关部分，从而对人类猴痘疾病进行基于图像的分类。我们实现了五种深度学习模型：VGG19、Xception、DenseNet121、EfficientNetB3和MobileNetV2，并集成了通道和空间注意力机制，对它们进行了比较分析。一种由Xception-CBAM-Dense层组成的架构在分类人类猴痘和其他疾病方面优于其他模型，验证准确率达到83.89%。
引用
@article{arxiv.2211.15459,
title = {Classification of Human Monkeypox Disease Using Deep Learning Models and Attention Mechanisms},
author = {Md. Enamul Haque and Md. Rayhan Ahmed and Razia Sultana Nila and Salekul Islam},
journal= {arXiv preprint arXiv:2211.15459},
year = {2022}
}
备注
This paper is currently under review at ICCIT 2022