Találati lista | Tudóstér

001-es BibID:	BIBFORM087061
035-os BibID:	(cikkazonosító)102041 (WoS)000575379300006 (Scopus)85087589024
Első szerző:	Harangi Balázs (programtervező matematikus)
Cím:	Assisted deep learning framework for multi-class skin lesion classification considering a binary classification support / Balazs Harangi, Agnes Baran, Andras Hajdu
Dátum:	2020
ISSN:	1746-8094 1746-8108
Megjegyzések:	In this paper, we propose a deep convolutional neural network framework to classify dermoscopy images into seven classes. With taking the advantage that these classes can be merged into two (healthy/diseased) ones we can train a part of the network regarding this binary task only. Then, the confidences regarding the binary classification are used to tune the multi-class confidence values provided by the other part of the network, since the binary task can be solved more accurately. For both the classification tasks we used GoogLeNet Inception-v3, however, any CNN architectures could be applied for these purposes. The whole network is trained in the usual way, and as our experimental results on the skin lesion image classification show, the accuracy of the multi-class problem has been remarkably raised (by 7% considering the balanced multi-class accuracy) via embedding the more reliable binary classification outcomes.
Tárgyszavak:	Műszaki tudományok Informatikai tudományok idegen nyelvű folyóiratközlemény külföldi lapban folyóiratcikk Assisted learning Deep learning Ensemble learning Skin lesion
Megjelenés:	Biomedical Signal Processing and Control. - 62 (2020), p. 1-7. -
További szerzők:	Baran Ágnes (1972-) (matematikus) Hajdu András (1973-) (matematikus, informatikus)
Pályázati támogatás:	EFOP-3.6.2-16-2017-00015 EFOP
Internet cím:	Szerző által megadott URL DOI Intézményi repozitóriumban (DEA) tárolt változat
Borító:
Saját polcon: