MpoxMamba：基于分组Mamba的轻量级混合网络用于Mpox检测
计算机视觉与模式识别
2024-09-17 v2
摘要
由于缺乏有效的Mpox检测工具，Mpox病毒持续在全球范围内传播，并已被世界卫生组织宣布为国际公众卫生紧急事态。轻量级深度学习模型基于的检测系统对于缓解Mpox疫情至关重要，因为它们适用于广泛部署，尤其是在资源受限的场景中。然而，其成功应用的关键在于确保模型能够在保持轻量级的同时有效地建模Mpox皮疹中的局部特征和长程依赖。针对Mamba在建模长程依赖方面取得的成功及其线性复杂度，我们提出了一种轻量级混合架构，称为MpoxMamba，用于高效Mpox检测。MpoxMamba利用深度可分离卷积提取Mpox皮肤皮疹的局部特征表示，并通过分组Mamba模块大幅提升模型建模全局上下文信息的能力。值得注意的是，MpoxMamba的参数规模和FLOPs分别为0.77M和0.53G。在两个广泛认可的基准数据集上的实验结果表明，MpoxMamba在性能上优于最先进的轻量级模型和现有的Mpox检测方法。重要的是，我们开发了一个基于网页的在线应用，提供免费Mpox检测服务（http://5227i971s5.goho.co:30290）。MpoxMamba的源代码可在https://github.com/YubiaoYue/MpoxMamba上获取。
引用
@article{arxiv.2409.04218,
title = {MpoxMamba: A Grouped Mamba-based Lightweight Hybrid Network for Mpox Detection},
author = {Yubiao Yue and Jun Xue and Haihuang Liang and Zhenzhang Li and Yufeng Wang},
journal= {arXiv preprint arXiv:2409.04218},
year = {2024}
}