软注意力提升皮肤癌分类性能
图像与视频处理
2021-06-08 v3 计算机视觉与模式识别
机器学习
摘要
在临床应用中，神经网络必须聚焦于并高亮输入图像中最重要的部分。软注意力（Soft-Attention）机制使神经网络能够实现这一目标。本文研究了软注意力在深度神经架构中的有效性。软注意力的核心目的是提升重要特征的值并抑制诱发噪声的特征。我们在对皮肤病变进行分类时，比较了带与不带软注意力机制的 VGG、ResNet、InceptionResNetv2 和 DenseNet 架构的性能。原始网络结合软注意力后在 HAM10000 数据集 [25] 上以 93.7% 的精度超越基线 [16] 达 4.7%。此外，软注意力耦合相比基线 [31] 将灵敏度得分提高了 3.8%，并在 ISIC-2017 数据集 [2] 上达到 91.6%。代码已在 github 公开。
引用
@article{arxiv.2105.03358,
title = {Soft-Attention Improves Skin Cancer Classification Performance},
author = {Soumyya Kanti Datta and Mohammad Abuzar Shaikh and Sargur N. Srihari and Mingchen Gao},
journal= {arXiv preprint arXiv:2105.03358},
year = {2021}
}
备注
8 pages, 9 figures, 4 tables