实体
ISIC 2019
ISIC 2019
PulseAugur coverage of ISIC 2019 — every cluster mentioning ISIC 2019 across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新的基于图的模型提高了皮肤病变诊断的准确性
研究人员开发了一种新颖的基于图的多元实例学习框架，该框架整合了隐式和显式关系偏差，以提高图像分类性能。该方法以EfficientNetB3基线开始，然后使用卷积掩码自动编码器学习图像块之间的隐式关系。通过将这些学习到的嵌入组织成各种图拓扑结构（例如，基于网格或k近邻结构）来引入显式关系建模。在皮肤病变诊断基准ISIC-2018和ISIC-2019上的实验表明，这种组合方法显著优于基线方法和仅隐式方法，其中基于网格的图注意力网络实现了最…
-
增强型ResNet-50结合ASFF提高了皮肤病变分类的准确性
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。
-
Spectral Surgery 方法在事后重新平衡深度网络准确性
研究人员开发了一种名为 Spectral Surgery 的新事后优化方法，以提高深度网络的分类性能。该技术直接沿着 Hessian 谱中识别出的特定“尖峰特征向量”扰动模型权重。通过这样做，它旨在无需重新训练即可重新平衡每个类别的准确性，并在 CIFAR-10 和 ISIC-2019 等数据集上显示出有希望的结果。