SANet：用于皮肤病变属性检测的超像素注意力网络
图像与视频处理
2019-10-22 v1 计算机视觉与模式识别
组织与器官
摘要
准确检测病变属性对于计算机辅助诊断系统和皮肤科医生的决策都具有重要意义。然而，与病变分割和黑色素瘤分类不同，关注该任务的深度学习方法和文献很少。目前，由于类别分布极度不平衡、样本不足，以及类内差异大、类间差异小，病变属性检测仍然具有挑战性。为解决这些问题，我们提出了一种名为超像素注意力网络（SANet）的深度学习框架。首先，我们将输入图像分割为小区域，并通过随机穿梭机制（RSM）对所得区域进行打乱。其次，我们应用 SANet 来捕获判别性特征并重建输入图像。具体而言，SANet 包含两个子模块：超像素平均池化和超像素注意力模块。我们引入超像素平均池化，将超像素分类问题重新表述为超像素分割问题，并利用 SAM 聚焦于判别性超像素区域和特征通道。最后，我们设计了一种新颖而有效的损失函数，即全局平衡损失，以解决 ISIC 2018 Task 2 病变属性检测数据集中的严重数据不平衡问题。所提方法在 ISIC 2018 Task 2 挑战赛上取得了相当好的性能。
引用
@article{arxiv.1910.08995,
title = {SANet:Superpixel Attention Network for Skin Lesion Attributes Detection},
author = {Xinzi He and Baiying Lei and Tianfu Wang},
journal= {arXiv preprint arXiv:1910.08995},
year = {2019}
}
备注
10 pages