典型文献
基于PiT的皮肤镜图像分类方法研究
文献摘要：
随着计算机技术的进步,现有的Transformer被扩展成处理计算机视觉任务的网络结构.为提高黑色素瘤的早期确诊率以提高皮肤病患者的治愈率,本文提出一种改进的基于PiT(pyra-mid pooling transformer)的网络模型来实现对7种皮肤病变的皮肤镜图像进行自动分类.本文模型主要由PiT模块和抗干扰模块等2个部分组成,Pit继承了 ViT的优点,并通过池化进行空间尺寸转换来提高模型的鲁棒性,经过预训练的PiT网络拥有大量的自然图像特征,且PiT部分网络可为下游的分类任务提供所需的图像特征,本文设计出抗干扰模块,用来抵抗皮肤镜图像中的干扰因素(如毛发、异物遮挡)的影响,从而提高模型性能、提高分类精度.实验结果表明,本文模型在ISIC2018验证集上的分类准确率、精确率、召回率、F1-score值分别高达91.58％、83.59％、89.92％、86.34％,每秒传输帧数(frames per second,FPS)达到85 Hz与现有的几种先进的分类网络相比,分类性能和模型效率都有所提高,具有相对优势,证明本文模型具有一定的实用价值.
文献关键词：
图像处理;图像分类;PiT;抗干扰模块
中图分类号：
作者姓名：
韦春苗;徐岩;蒋新辉;魏一铭
作者机构：
兰州交通大学电子与信息工程学院,甘肃兰州730070;柳州铁道职业技术学院人工智能学院,广西柳州 545616
文献出处：
引用格式：
[1]韦春苗;徐岩;蒋新辉;魏一铭-.基于PiT的皮肤镜图像分类方法研究)[J].光电子·激光,2022(05):505-512
A类：
PiT,抗干扰模块
B类：
皮肤镜图像,图像分类,分类方法,计算机技术,Transformer,计算机视觉,视觉任务,黑色素瘤,确诊率,皮肤病患者,治愈率,pyra,mid,pooling,transformer,种皮,皮肤病变,自动分类,Pit,ViT,池化,行空,空间尺寸,换来,预训练,图像特征,分网,分类任务,干扰因素,毛发,异物遮挡,模型性能,分类精度,ISIC2018,验证集,分类准确率,精确率,召回率,score,每秒,秒传,frames,per,second,FPS,分类网络,分类性能,相对优势
AB值：
0.456997
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
