结合深度 CNN 与手工特征用于 ISIC 2018 的皮肤病变分割与分类
图像与视频处理
2019-08-19 v1 计算机视觉与模式识别
机器学习
机器学习
摘要
本简短报告描述了我们提交至 ISIC 2018 皮肤病变分析迈向黑色素瘤检测挑战赛的 Task1 与 Task3 的工作。该工作由代顿大学信号与图像处理实验室的研究团队完成。我们提出的方法计算高效，并融合了深度学习与手工特征的信息。对于 Task3，我们构建了一种称为混合特征的新图像特征类型，其判别能力优于单一方法特征。这些特征被用作基于多类支持向量机（SVM）分类器的决策模型的输入。所提技术在在线验证数据库上进行了评估。在验证数据集上，我们使用 SVM 分类器的得分为 0.841。
引用
@article{arxiv.1908.05730,
title = {Skin Lesion Segmentation and Classification for ISIC 2018 by Combining Deep CNN and Handcrafted Features},
author = {Redha Ali and Russell C. Hardie and Manawaduge Supun De Silva and Temesguen Messay Kebede},
journal= {arXiv preprint arXiv:1908.05730},
year = {2019}
}
备注
4 pages and 3 figures