T-Fusion Net：一种融合多定位空间注意力机制的新型深度神经网络用于新冠肺炎检测
图像与视频处理
2023-08-02 v1 计算机视觉与模式识别
机器学习
摘要
近年来，深度神经网络在图像分类任务中表现出更优性能。然而，数据集复杂度的增加以及对性能提升的需求，促使人们探索创新技术。本工作提出一种新型深度神经网络（称为T-Fusion Net），其增强了基于多定位的空间注意力。该注意力机制使网络能够聚焦于相关图像区域，提升其判别能力。进一步采用该网络的同质集成以提升图像分类精度。在集成中，所提方法考虑多个独立的T-Fusion Net实例。模型结合模糊最大融合来合并各网络的输出。融合过程通过精心选择的参数进行优化，以平衡各独立模型的贡献。在基准新冠肺炎（SARS-CoV-2 CT扫描）数据集上的实验评估证明了所提T-Fusion Net及其集成的有效性。与其他SOTA方法相比，所提T-Fusion Net与同质集成模型表现更优，准确率分别达到97.59%和98.4%。
引用
@article{arxiv.2308.00053,
title = {T-Fusion Net: A Novel Deep Neural Network Augmented with Multiple Localizations based Spatial Attention Mechanisms for Covid-19 Detection},
author = {Susmita Ghosh and Abhiroop Chatterjee},
journal= {arXiv preprint arXiv:2308.00053},
year = {2023}
}