面向黑色素瘤检测的皮肤病变分析对称恒等初始全卷积网络
计算机视觉与模式识别
2017-03-16 v2
摘要
由于目标可区分性较弱，皮肤镜图像检测仍是一项艰巨任务。尽管近年来深度卷积神经网络显著提升了主流计算机视觉任务的性能，但在低对比度图像分割问题上，仍有探索更鲁棒、更精确模型的空间。针对ISBI 2017病变分割挑战，我们构建了一个对称恒等初始全卷积网络（II-FCN），该网络仅基于10个可逆初始模块，每个模块由四个卷积分支组成，结合不同层深度和卷积核大小以提取多样的语义特征。随后，我们提出了一种针对Jaccard指数指标的近似损失函数来训练模型。为克服传统卷积的缺陷，我们采用空洞卷积和条件随机场方法修正分割结果。我们还引入了多种方法防止过拟合问题。实验结果表明，我们的模型达到了0.82的Jaccard指数，并在逐轮训练中持续学习提升。
引用
@article{arxiv.1702.08699,
title = {II-FCN for skin lesion analysis towards melanoma detection},
author = {Hongdiao Wen},
journal= {arXiv preprint arXiv:1702.08699},
year = {2017}
}
备注
4 page abstract about our solution to the challenge of Lesion Segmentation in ISIC2017