基于卷积神经网络迁移学习的皮肤病分类
图像与视频处理
2023-04-07 v1
摘要
皮肤病自动分类在医疗保健中尤其是皮肤病学中发挥着重要作用。皮肤科医生可以借助安卓设备和人工智能来判定不同的皮肤病。由于涉及大量序列层和输入数据，深度学习需要大量时间进行训练。由于具备并行处理能力，配备图形处理器 (GPU) 的强大计算机是训练过程的理想方案。本研究收集了在菲律宾流行的 7 类皮肤病的图像，用于皮肤病分类系统。共有 3400 张包含不同皮肤病（如水痘、痤疮、湿疹、玫瑰糠疹、银屑病、体癣和白癜风）的图像，用于不同卷积网络模型的训练和测试。本研究将迁移学习应用于皮肤病分类，使用了来自不同卷积神经网络模型的预训练权重，如 VGG16、VGG19、MobileNet、ResNet50、InceptionV3、Inception-ResNetV2、Xception、DenseNet121、DenseNet169、DenseNet201 和 NASNet mobile。MobileNet 模型取得了最高准确率 94.1%，而 VGG16 模型取得了最低准确率 44.1%。
引用
@article{arxiv.2304.02852,
title = {Classification of Skin Disease Using Transfer Learning in Convolutional Neural Networks},
author = {Jessica S. Velasco and Jomer V. Catipon and Edmund G. Monilar and Villamor M. Amon and Glenn C. Virrey and Lean Karlo S. Tolentino},
journal= {arXiv preprint arXiv:2304.02852},
year = {2023}
}
备注
7 pages