論文の概要: Properties Of Winning Tickets On Skin Lesion Classification

• arxiv url: http://arxiv.org/abs/2008.12141v1
• Date: Tue, 25 Aug 2020 21:36:56 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-25 03:33:12.567741
• Title: Properties Of Winning Tickets On Skin Lesion Classification
• Title（参考訳）: 皮膚病変分類における勝利チケットの特性
• Authors: Sherin Muckatira
• Abstract要約: 本稿では,最近提案されたLuttery Ticket仮説というプルーニング手法について検討する。 その結果,ネットワークの繰り返しプルーニングにより,未切断ネットワークに比べて精度が向上したことがわかった。 また、性別や年齢によって生成されたサブグループ間での精度についても検討し、一部のサブグループでは他のグループよりも精度が向上していることが判明した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Skin cancer affects a large population every year -- automated skin cancer detection algorithms can thus greatly help clinicians. Prior efforts involving deep learning models have high detection accuracy. However, most of the models have a large number of parameters, with some works even using an ensemble of models to achieve good accuracy. In this paper, we investigate a recently proposed pruning technique called Lottery Ticket Hypothesis. We find that iterative pruning of the network resulted in improved accuracy, compared to that of the unpruned network, implying that -- the lottery ticket hypothesis can be applied to the problem of skin cancer detection and this hypothesis can result in a smaller network for inference. We also examine the accuracy across sub-groups -- created by gender and age -- and it was found that some sub-groups show a larger increase in accuracy than others.
• Abstract（参考訳）: Skin cancer affects a large population every year -- automated skin cancer detection algorithms can thus greatly help clinicians. Prior efforts involving deep learning models have high detection accuracy. However, most of the models have a large number of parameters, with some works even using an ensemble of models to achieve good accuracy. In this paper, we investigate a recently proposed pruning technique called Lottery Ticket Hypothesis. We find that iterative pruning of the network resulted in improved accuracy, compared to that of the unpruned network, implying that -- the lottery ticket hypothesis can be applied to the problem of skin cancer detection and this hypothesis can result in a smaller network for inference. また、性別と年齢によって作成されたサブグループ間の精度も調べ、いくつかのサブグループは他のグループよりも高い精度を示していることがわかった。

関連論文リスト

• Diagnosis of Skin Cancer Using VGG16 and VGG19 Based Transfer Learning Models [0.6827423171182154]
  ディープ畳み込みニューラルネットワーク(CNN)は、データと画像の分類に優れた可能性を示している。 本稿では,CNNを用いた皮膚病変分類問題について検討する。 本研究では, 転写学習の枠組みを適切に設計し, 適用することにより, 病変検出の顕著な分類精度を得ることができることを示す。
  論文  参考訳（メタデータ） (2024-04-01T15:06:20Z)
• A Comparative Analysis Towards Melanoma Classification Using Transfer Learning by Analyzing Dermoscopic Images [0.0]
  本稿では,皮膚病変の分類と診断を可能にするために,深層学習技術と確立された転写学習手法を組み合わせたシステムを提案する。 研究者たちは'Deep Learning'テクニックを使って、膨大な数の写真を訓練し、基本的には期待される結果を得る。 DenseNetは、96.64%のバリデーション精度、9.43%のバリデーション損失、99.63%のテストセット精度など、他のものよりも優れていた。
  論文  参考訳（メタデータ） (2023-12-02T19:46:48Z)
• Multi-task Explainable Skin Lesion Classification [54.76511683427566]
  少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。 提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
  論文  参考訳（メタデータ） (2023-10-11T05:49:47Z)
• Visualizing CoAtNet Predictions for Aiding Melanoma Detection [0.0]
  本稿では,CoAtNetアーキテクチャを用いたマルチクラス分類タスクを提案する。 全体的な精度は0.901, 0.895, AP 0.923で、他の最先端ネットワークと比較して高い性能を示している。
  論文  参考訳（メタデータ） (2022-05-21T06:41:52Z)
• Exploration of Various Deep Learning Models for Increased Accuracy in Automatic Polyp Detection [62.997667081978825]
  本稿では,大腸内視鏡画像におけるポリプの検出精度が高いディープラーニングモデルとアルゴリズムについて検討する。 畳み込みニューラルネットワーク(CNN)を用いたディープラーニングの研究
  論文  参考訳（メタデータ） (2022-03-04T04:03:41Z)
• EMT-NET: Efficient multitask network for computer-aided diagnosis of breast cancer [58.720142291102135]
  乳腺腫瘍の分類と分別を同時に行うための,効率的で軽量な学習アーキテクチャを提案する。 腫瘍分類ネットワークにセグメンテーションタスクを組み込むことにより,腫瘍領域に着目したバックボーンネットワークで表現を学習する。 腫瘍分類の精度、感度、特異性はそれぞれ88.6%、94.1%、85.3%である。
  論文  参考訳（メタデータ） (2022-01-13T05:24:40Z)
• Wide & Deep neural network model for patch aggregation in CNN-based prostate cancer detection systems [51.19354417900591]
  前立腺癌(PCa)は、2020年に約141万件の新規感染者と約37万5000人の死者を出した男性の死因の1つである。 自動診断を行うには、まず前立腺組織サンプルをギガピクセル分解能全スライド画像にデジタイズする。 パッチと呼ばれる小さなサブイメージが抽出され、予測され、パッチレベルの分類が得られる。
  論文  参考訳（メタデータ） (2021-05-20T18:13:58Z)
• Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for Thoracic Disease Identification [83.6017225363714]
  ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。 胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。 本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
  論文  参考訳（メタデータ） (2021-02-26T02:29:30Z)
• Analysis of skin lesion images with deep learning [0.0]
  内視鏡画像の分類における美術の現状を評価します。 ImageNetデータセットに事前トレーニングされた様々なディープニューラルネットワークアーキテクチャは、組み合わせたトレーニングデータセットに適合する。 皮膚病変の8クラスの検出のためのこれらのモデルの性能と適用性を検討する。
  論文  参考訳（メタデータ） (2021-01-11T10:58:36Z)
• Self-Training with Improved Regularization for Sample-Efficient Chest X-Ray Classification [80.00316465793702]
  挑戦的なシナリオで堅牢なモデリングを可能にするディープラーニングフレームワークを提案する。 その結果,85%のラベル付きデータを用いて,大規模データ設定で学習した分類器の性能に適合する予測モデルを構築することができた。
  論文  参考訳（メタデータ） (2020-05-03T02:36:00Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。