基于深度学习的黑色素瘤筛查知识迁移
计算机视觉与模式识别
2018-03-28 v1
摘要
知识迁移影响深度学习的性能——深度学习是图像分类任务(包括自动黑色素瘤筛查)的最先进技术。深度学习对大量训练数据的渴求给医学任务带来了挑战,我们可以通过在称为迁移学习的方案中复用在不同任务上训练的模型知识来缓解这一挑战。尽管自动黑色素瘤筛查的最佳研究大多采用了某种形式的迁移学习,但仍缺乏系统的评估。在此,我们研究了迁移的存在性、迁移的来源任务以及微调(即迁移后对深度学习模型进行重训练)的应用。我们还测试了选择更深(且更昂贵)模型的影响。我们的结果倾向于在ImageNet上预训练并进行微调的更深模型,在所评估的两个皮肤病变数据集上分别达到了80.7%和84.5%的AUC。
引用
@article{arxiv.1703.07479,
title = {Knowledge Transfer for Melanoma Screening with Deep Learning},
author = {Afonso Menegola and Michel Fornaciali and Ramon Pires and Flávia Vasques Bittencourt and Sandra Avila and Eduardo Valle},
journal= {arXiv preprint arXiv:1703.07479},
year = {2018}
}
备注
4 pages