人角膜组织上的迁移学习：截断层最优性分析
神经与进化计算
2018-06-25 v2
摘要
迁移学习是将训练好的神经网络适配到新任务的强大工具。根据原始任务与新任务的相似度，截断层的选择至关重要。对于组织分类等医学应用，目标分类网络的最后几层可能并非最优。我们发现在人角膜组织真实数据上，最佳特征表示可在 Inception-v3 的中间层以及 VGG-19 架构的后层中找到。
引用
@article{arxiv.1806.07073,
title = {Transfer Learning with Human Corneal Tissues: An Analysis of Optimal Cut-Off Layer},
author = {Nadezhda Prodanova and Johannes Stegmaier and Stephan Allgeier and Sebastian Bohn and Oliver Stachs and Bernd Köhler and Ralf Mikut and Andreas Bartschat},
journal= {arXiv preprint arXiv:1806.07073},
year = {2018}
}
备注
Extendend Abstract with 3 pages and 2 figures. Submitted to MIDL Amsterdam, see openreviews.org