利用问答模型改进皮肤状况分类
计算机视觉与模式识别
2019-04-02 v1
摘要
我们提出一种基于预训练卷积神经网络（CNN）与问答（QA）模型顺序流水线的皮肤状况分类方法。该方法不仅使我们能够提高已部署 CNN 系统的分类置信度与准确率，还能够模拟医生通过询问相关问题来细化最终诊断与鉴别诊断的传统方法。通过将 CNN 以分类概率形式输出的结果作为 QA 模型与图像文本描述的先验，我们贪心地询问能最大化症状信息增益的最佳症状。我们证明，与单独 CNN 相比，将 QA 模型与 CNN 结合使准确率提升高达 10%，与单独 QA 模型相比提升超过 30%。
引用
@article{arxiv.1811.06165,
title = {Improving Skin Condition Classification with a Question Answering Model},
author = {Mohamed Akrout and Amir-massoud Farahmand and Tory Jarmain},
journal= {arXiv preprint arXiv:1811.06165},
year = {2019}
}