CompNet：一种处理图像与人工设计特征组合的专用模型
计算机视觉与模式识别
2022-09-30 v1 人工智能
摘要
卷积神经网络（CNN）是计算机视觉（CV）中最流行的人工神经网络（ANN）模型之一。研究者开发了多种基于CNN的结构来解决图像分类、目标检测和图像相似度度量等问题。尽管CNN在大多数情况下已展现其价值，但仍有一个缺点：当数据集中样本不足时容易过拟合。大多数医学图像数据集便是此类数据集的例子。此外，许多数据集同时包含人工设计特征与图像，但CNN只能直接处理图像，这错失了利用额外信息的机会。为此，我们提出一种新的基于CNN的模型结构：CompNet，一种复合卷积神经网络。这是一种专门设计的神经网络，接受图像与人工设计特征的组合作为输入，以利用所有可用信息。该结构的新颖之处在于利用从图像中学习到的特征对人工设计特征进行加权，从而获取来自图像与人工设计特征的全部信息。将该结构用于分类任务的结果表明，我们的方法能够显著减少过拟合。此外，我们也发现了其他研究者提出的若干可组合图像与人工设计特征的类似方法。为进行比较，我们首先在LIDC上应用这些类似方法并将结果与CompNet结果对比，随后将我们的CompNet应用于那些类似方法在其工作中原本使用的数据集，并将结果与它们论文中提出的结果对比。所有这些比较结果均表明，无论是在LIDC数据集还是在其提出的数据集上，我们的模型在分类任务中均优于那些类似方法。
引用
@article{arxiv.2209.14454,
title = {CompNet: A Designated Model to Handle Combinations of Images and Designed features},
author = {Bowen Qiu and Daniela Raicu and Jacob Furst and Roselyne Tchoua},
journal= {arXiv preprint arXiv:2209.14454},
year = {2022}
}