基于手工特征与传统分类器的 ISIC 2018 皮肤病变分割与分类
图像与视频处理
2018-07-19 v1 计算机视觉与模式识别
摘要
本文提供了为 ISIC 2018（面向黑色素瘤检测的皮肤病变分析）任务 1 和任务 3 所提交结果所用方法的必要说明。这些结果由代顿大学信号与图像处理实验室的一组研究人员生成。在此次提交中，任务 1 和任务 3 采用了带有手工特征的传统分类器。我们的团队还提供了使用深度学习方法的额外独立提交以作比较。
引用
@article{arxiv.1807.07001,
title = {Skin Lesion Segmentation and Classification for ISIC 2018 Using Traditional Classifiers with Hand-Crafted Features},
author = {Russell C. Hardie and Redha Ali and Manawaduge Supun De Silva and Temesguen Messay Kebede},
journal= {arXiv preprint arXiv:1807.07001},
year = {2018}
}
备注
ISIC 2018 https://challenge2018.isic-archive.com/