深度学习与手工特征用于病毒图像分类
计算机视觉与模式识别
2021-12-28 v2 人工智能
摘要
在这项工作中，我们提出了一种用于透射电子显微镜病毒图像分类的描述子集成方法。我们建议将手工设计与深度学习方法结合用于病毒图像分类。手工特征集主要基于局部二值模式变体，对每个描述子训练一个不同的支持向量机，然后通过求和规则组合该分类器集。深度学习方法为在 ImageNet 上预训练并在病毒数据集上调优的 densenet201，该网络用作特征提取器以馈入另一个支持向量机，具体采用最后的平均池化层作为特征提取器。最后，通过求和规则组合基于手工特征训练的分类器与基于深度学习特征训练的分类器。所提出的融合显著提升了各独立方法的性能，取得了当前最优性能。
引用
@article{arxiv.2011.06123,
title = {Deep learning and hand-crafted features for virus image classification},
author = {Loris Nanni and Eugenio De Luca and Marco Ludovico Facin and Gianluca Maguolo},
journal= {arXiv preprint arXiv:2011.06123},
year = {2021}
}