基于数据增强与装袋的深层神经网络集成用于皮肤病变分类
计算机视觉与模式识别
2018-07-25 v2
摘要
本工作总结了我们针对 ISIC 2018 皮肤病变分析朝向黑色素瘤检测挑战赛中任务 3（疾病分类）的提交方案。我们采用了一种由我们提出的新型深层神经网络（DNN）集成架构，该架构通过数据增强与装袋来应对数据匮乏并防止过拟合，从而有效分类皮肤病变。该集成由两种 DNN 架构组成：Inception-v4 与 Inception-Resnet-v2。这些 DNN 架构通过在元学习层中使用 卷积进行融合而组合为一个集成。
引用
@article{arxiv.1807.05496,
title = {Deep neural network ensemble by data augmentation and bagging for skin lesion classification},
author = {Manik Goyal and Jagath C. Rajapakse},
journal= {arXiv preprint arXiv:1807.05496},
year = {2018}
}
备注
4 pages, 1 figure. ISIC 2018 challenge