利用风格迁移、语义图像分割与集成学习探索高度不平衡黑色素瘤数据的内容基于图像检索
计算机视觉与模式识别
2021-10-14 v1
摘要
皮损图像常在开放集环境下采集。因此，所生成的图像数据性质极为多样。卷积神经网络难以找到恰当特征并良好泛化，故而基于内容的图像检索（CBIR）系统难以构建于皮损图像。本文探索该领域，并提出多种相似性度量，其通过一种称为 I1-Score 的新颖相似性度量利用风格损失与 Dice 系数。在所提 CBIR 相似性度量中，纯风格损失方法相较欧氏距离与余弦相似度等传统方法取得显著准确率提升。使用风格损失的 I1-Score 以微小优势优于传统方法，而带 Dice 系数的 I1-Score 表现极差。所用模型通过集成学习训练以获得更好泛化。
引用
@article{arxiv.2110.06331,
title = {Exploring Content Based Image Retrieval for Highly Imbalanced Melanoma Data using Style Transfer, Semantic Image Segmentation and Ensemble Learning},
author = {Priyam Mehta},
journal= {arXiv preprint arXiv:2110.06331},
year = {2021}
}