基于残差网络的聚合模型用于皮肤病变分类
计算机视觉与模式识别
2018-07-25 v1
摘要
我们认识到皮肤病变诊断是图像分类中一项重要且具有挑战性的子任务，其中 Fisher 向量（FV）编码算法与深度卷积神经网络（DCNN）是最为成功的两种技术。由于 FV 与 DCNN 的联合使用已被证明取得成功，该联合技术对皮肤病变诊断同样可能具有判别能力。针对这一假设，我们提出一种用于皮肤病变诊断的聚合算法，该算法利用残差网络提取局部特征，并使用 Fisher 向量方法将局部特征聚合为图像级表示。我们将算法应用于国际皮肤影像协作 2018（ISIC2018）挑战赛，并仅关注第三项任务，即疾病分类。
引用
@article{arxiv.1807.09150,
title = {Residual Network based Aggregation Model for Skin Lesion Classification},
author = {Yongsheng Pan and Yong Xia},
journal= {arXiv preprint arXiv:1807.09150},
year = {2018}
}
备注
ISIC2018 task3