用于黑色素瘤分类的深度学习特征集成方法
计算机视觉与模式识别
2018-07-24 v1
摘要
本工作的目的是提出一种用于黑色素瘤分类的描述子集成方法，其性能已在2018年黑色素瘤挑战赛的验证集和测试集上进行了评估。得益于多种描述子的组合，所提出的系统实现了很强的判别能力。该系统通过将多个CNN组合为一个集成并通过求和规则融合分数，代表了一种非常简单而有效的提升已训练CNN性能的方式。我们考虑了多种类型的集成，采用不同的CNN架构以及不同的学习参数集。此外，CNN被用作特征提取器：输入图像由训练好的CNN处理，某一特定层（通常是分类层，但也可使用内部层）的响应被视为图像的描述子，并用于训练一组支持向量机（SVM）。
引用
@article{arxiv.1807.08008,
title = {Ensemble of Deep Learned Features for Melanoma Classification},
author = {Loris Nanni and Alessandra Lumini and Stefano Ghidoni},
journal= {arXiv preprint arXiv:1807.08008},
year = {2018}
}