用于皮肤病诊断的原型聚类网络
计算机视觉与模式识别
2018-11-08 v1 人工智能
机器学习
摘要
我们考虑图像分类问题，以辅助医生进行皮肤病诊断。皮肤病诊断对标准现成技术提出了两大挑战：首先，数据分布通常极度长尾；其次，类内差异往往很大。针对第一个问题，我们将该问题表述为少样本学习，即一旦部署，基础分类器必须能在仅有极少标注样本的情况下快速泛化以诊断新病症。为有效建模多样化类别，我们提出原型聚类网络（PCN），它是原型网络的扩展，为每个类别学习一组原型混合。每个类的原型通过聚类初始化，并通过在线更新方案进行精炼。分类通过测量与类内原型的加权组合的相似度来完成，其中权重为推断出的簇责任度。我们在真实的皮肤病数据集上展示了该方法在有效诊断方面的优势。
引用
@article{arxiv.1811.03066,
title = {Prototypical Clustering Networks for Dermatological Disease Diagnosis},
author = {Viraj Prabhu and Anitha Kannan and Murali Ravuri and Manish Chablani and David Sontag and Xavier Amatriain},
journal= {arXiv preprint arXiv:1811.03066},
year = {2018}
}