面向手机端图像分类的深度学习流水线
图像与视频处理
2022-06-02 v1 计算机视觉与模式识别
机器学习
摘要
本文提出并文档化了一个使用手机分类图像的机器学习框架与教程。与计算机相比，深度学习模型部署到手机上时性能会下降，且需要系统化的方法来寻找在计算机和手机上均表现最优的模型。遵循所提出的由各类计算工具、简单流程配方和技术考量组成的流水线，可将深度学习医学图像分类的能力带到移动设备，潜在地开启新的应用领域。该流水线在四个不同的公开数据集上进行了演示：COVID X-rays、COVID CT scans、leaves 和 colorectal cancer。我们使用两个应用开发框架：TensorFlow Lite（实时测试）和 Flutter（数字图像测试）来测试所提流水线。我们发现将深度学习模型迁移到手机受限于硬件且分类精度下降。为解决此问题，我们提出该流水线以寻找面向手机的优化模型。最后，我们讨论了与在手机上部署深度学习模型相关的其他应用与计算问题，包括实时分析与图像预处理。我们相信相关文档与代码可帮助医师和医学专家开发用于分发的医学图像分类应用。
引用
@article{arxiv.2206.00105,
title = {Deep learning pipeline for image classification on mobile phones},
author = {Muhammad Muneeb and Samuel F. Feng and Andreas Henschel},
journal= {arXiv preprint arXiv:2206.00105},
year = {2022}
}
备注
20 pages