彩色 Kimia Path24 数据集：基于深度嵌入的配置与基准测试
图像与视频处理
2021-02-16 v1 计算机视觉与模式识别
摘要
Kimia Path24 数据集已被引入作为数字病理学的分类与检索数据集。尽管它提供多类数据，但在提取图块的过程中颜色信息被忽略。染色信息在组织模式识别中起着主要作用。为解决这一缺陷，我们通过从全部 24 张扫描中重建样本图块来引入 Kimia Path24 的彩色版本，即提出 Kimia Path24C。我们进行了大量实验以确定所选图块的最佳配置。为给新数据集设定基准提供初步结果，我们利用 VGG16、InceptionV3 和 DenseNet-121 模型作为特征提取器。随后，我们使用这些特征向量来检索测试图块。使用 DenseNet 的图像检索准确率为 95.92%，而使用 InceptionV3 和 VGG16 的最高准确率分别达到 92.45% 和 92%。我们也试验了“深度条码（deep barcodes）”，并确定在准确率微小损失下（例如 DenseNet 二值化特征的 93.43%，而非使用特征本身的 95.92%），搜索操作可显著加速。
引用
@article{arxiv.2102.07611,
title = {Colored Kimia Path24 Dataset: Configurations and Benchmarks with Deep Embeddings},
author = {Sobhan Shafiei and Morteza Babaie and Shivam Kalra and H. R. Tizhoosh},
journal= {arXiv preprint arXiv:2102.07611},
year = {2021}
}