-
题名基于双线性特征融合的皮肤病分类研究
- 1
-
-
作者
黄志伦
刘俊
郑萌
-
机构
武汉科技大学计算机科学与技术学院
智能信息处理与实时工业系统湖北省重点实验室(武汉科技大学)
武汉理工大学计算机科学与技术学院
-
出处
《计算机技术与发展》
2023年第2期161-166,共6页
-
基金
教育部科技基础工作专项项目(2014FY110900)。
-
文摘
皮肤覆盖肌肉、骨骼和身体的每个部分,是人体中最大的器官。由于其暴露于外界,所以感染更容易发生在皮肤上。皮肤病作为一种常见疾病,利用计算机技术对其进行辅助诊断,有助于减轻医生负担。针对常规卷积神经网络应用于皮肤病图像分类时由于不同种皮肤病图像之间的类间相似性以及同种皮肤病图像之间具有类内差异性导致分类困难的问题,提出一种改进双线性特征融合模型。使用经过剪枝的Inception-ResNet-v1和v2版本作为特征提取器并行提取图像特征,对特征进行双线性融合,获取更多阶数的特征信息可以提高模型对图像细节的敏感度。然后添加额外的软注意力模块,通过加权和的方式进行过滤或者加强,给图像每个位置给予不同的权重以达到对模型的加强效果。在skin-cancer-classesisic数据集上的7种皮肤病图像上进行训练,与S-CNN、MobileNet和Incremental CNN的对比证明了该模型的有效性,在Precision、Recall和F1-Score指标上该模型均为最优。
-
关键词
皮肤病
深度学习
双线性特征融合
注意力机制
图像分类
-
Keywords
skin disease
deep learning
bilinear feature fusion
attention mechanism
image classification
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于多模态遥感影像的边缘感知引导显著性检测
- 2
-
-
作者
连远锋
石旭
江澄
-
机构
中国石油大学(北京)信息科学与工程学院
中国石油大学(北京)石油数据挖掘北京市重点实验室
北京空间机电研究所
-
出处
《太赫兹科学与电子信息学报》
2023年第3期360-370,共11页
-
基金
国家自然科学基金资助项目(61972353)
中国石油天然气集团有限公司-中国石油大学(北京)战略合作科技专项资助项目(2006A10401006)。
-
文摘
针对多模态遥感影像显著性检测鲁棒性差和检测精确度不佳等问题,提出一种基于多模态边缘感知引导的显著性检测方法,该方法主要由多模态遥感影像显著检测主干网络、跨模态特征共享模块和边缘感知引导网络构成。通过在特征提取主干网络中加入跨模态特征共享模块,使得不同模态间特征通过共享交互实现协同增强,并且抑制具有缺陷的特征信息。基于边缘感知引导网络,通过边缘图监督模块来检测边缘特征的有效性,从而生成准确边界。在3种显著目标检测遥感图像数据集上进行实验,平均的F_(β)、平均绝对误差(MAE)、S_(m)分数分别为0.9176,0.0095和0.9199。实验结果表明,提出的多模态边缘感知引导网络(MEGNet)适用于在多模态场景中进行显著性检测。
-
关键词
多模态遥感图像
显著性检测
边缘感知引导网络
双线性特征融合
-
Keywords
multi-modal remote sensing images
saliency detection
Edge Aware Guidance Network
bilinear fusion
-
分类号
TP751
[自动化与计算机技术—检测技术与自动化装置]
-