探索迁移学习方案以实现自动黑色素瘤筛查
计算机视觉与模式识别
2016-09-06 v1
摘要
深度学习是目前图像分类的首选。其对海量标注数据的渴求限制了其在医学成像领域的应用。在这种情况下，迁移学习作为一种突出的解决方案应运而生。在本报告中，我们旨在阐明迁移学习方案如何影响分类结果。我们特别关注自动黑色素瘤筛查问题，这是一个迁移学习尚未被广泛应用的医学成像案例。我们探索了有无微调的迁移、连续迁移以及在通用和特定数据集上使用预训练模型。尽管一些问题仍然悬而未决，我们的发现可为未来的研究提供指引。
引用
@article{arxiv.1609.01228,
title = {Towards Automated Melanoma Screening: Exploring Transfer Learning Schemes},
author = {Afonso Menegola and Michel Fornaciali and Ramon Pires and Sandra Avila and Eduardo Valle},
journal= {arXiv preprint arXiv:1609.01228},
year = {2016}
}