内窥镜图像分类的迁移学习
计算机视觉与模式识别
2016-08-25 v1
摘要
本文提出一种用于内窥镜图像的迁移学习方法。在不同（旧与新）内窥镜所采集图像之间的特征迁移中，我们扩展了 Hoffman 等人提出的最大间隔域迁移（Max-Margin Domain Transfer, MMDT），引入 L2 距离约束作为正则化项，称为带 L2 距离约束的最大间隔域迁移（MMDTL2）。此外，我们开发了优化问题的对偶形式以降低计算成本。实验结果表明，所提出的 MMDTL2 在不同内窥镜采集的真实数据集上优于 MMDT。
引用
@article{arxiv.1608.06713,
title = {Transfer Learning for Endoscopic Image Classification},
author = {Shoji Sonoyama and Toru Tamaki and Tsubasa Hirakawa and Bisser Raytchev and Kazufumi Kaneda and Tetsushi Koide and Shigeto Yoshida and Hiroshi Mieno and Shinji Tanaka},
journal= {arXiv preprint arXiv:1608.06713},
year = {2016}
}
备注
5 pages, FCV2016