PulseAugur
中
实时 11:32:33
English(EN) Skin Lesion Classification Based on ResNet-50 Enhanced With Adaptive Spatial Feature Fusion

增强型ResNet-50结合ASFF提高了皮肤病变分类的准确性

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种增强型ResNet-50模型，集成了自适应空间特征融合（ASFF），以提高皮肤病变分类的准确性。该模型自适应地整合多尺度特征，专注于与病变相关的区域，以减少过拟合并增强表示。在ISIC 2020数据集上测试，基于ASFF的ResNet-50达到了93.182%的准确率，优于基线模型，并在ISIC 2019数据集上展现出强大的泛化能力。 AI

影响 增强了计算机辅助诊断系统，可能导致更早、更准确的皮肤癌检测。

排序理由 该集群包含一篇详细介绍新模型架构及其在基准数据集上评估的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

增强型ResNet-50结合ASFF提高了皮肤病变分类的准确性

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Runhao Liu, Fengyi Zha, Fei Ding, Guangzhen Yao, Peng Zhang ·

    Skin Lesion Classification Based on ResNet-50 Enhanced With Adaptive Spatial Feature Fusion

    arXiv:2510.03876v2 Announce Type: replace Abstract: Skin cancer classification is challenging due to high inter-class similarity, intra-class variability, and artifacts in dermoscopic images. To address these issues, we propose an improved ResNet-50 with Adaptive Spatial Feature …

相关实体

相关话题