HierAttn
1.0.0
Tief beaufsichtigte Hautläsionsdiagnose mit Stadium und Verzweigungsaufmerksamkeit
Wei Dai, Rui Liu, Tianyi Wu, Min Wang, Jianqin Yin, Jun Liu
In IEEE JBHI, 2023 akzeptiert. [Arxiv] [Papier]
Weitere Installationsanweisungen finden Sie unter install.md.
Weitere Informationen zur Datensatzvorbereitung finden Sie in Data.md.
Wir haben Transferlernen verwendet, um die einstellbaren Gewichte von Hierattn- und SOTA -Modellen teilweise zu initialisieren. Weitere Informationen finden Sie unter prämodel.md für vorabrundeten Modellen Download.
| Ihisic20000 Val | # Parameter/m | Top-1-Genauigkeit/%↑ |
|---|---|---|
| Mobilenetv2 | 2.23 | 93.45 |
| Mobilevit_s | 4.94 | 94.72 |
| Mobilenetv3_large | 4.21 | 94.77 |
| Shufflenetv2_1 × | 2.28 | 95.23 |
| Mnasnet1.0 | 3.11 | 95.45 |
| Effizientnetnetz_b0 | 4.02 | 95.48 |
| Hierattn_xs (unsere) | 1.08 | 96.15 |
| Hierattn_s (unsere) | 2.14 | 96.70 |
| Ihpad3000 Val | # Parameter/m | Top-1-Genauigkeit/%↑ |
|---|---|---|
| Mobilenetv2 | 2.23 | 87.44 |
| Shufflenetv2_1 × | 2.28 | 87.89 |
| Mobilevit_s | 4.94 | 88.22 |
| Mobilenetv3_large | 4.21 | 88.78 |
| Effizientnetnetz_b0 | 4.02 | 90.22 |
| Mnasnet1.0 | 3.11 | 90.33 |
| Hierattn_xs (unsere) | 1.08 | 90.11 |
| Hierattn_s (unsere) | 2.13 | 91.22 |
Wenn Sie es in Ihrer Forschung nützlich finden, sollten Sie in unserer Arbeit wie folgt in unserem Papier zitieren:
@ARTICLE{10230242,
author={Dai, Wei and Liu, Rui and Wu, Tianyi and Wang, Min and Yin, Jianqin and Liu, Jun},
journal={IEEE Journal of Biomedical and Health Informatics},
title={Deeply Supervised Skin Lesions Diagnosis With Stage and Branch Attention},
year={2024},
volume={28},
number={2},
pages={719-729},
keywords={Skin;Lesions;Feature extraction;Convolution;Transformers;Training;Computational modeling;Attention;deep supervision;disease classification;skin lesion;vision transformer},
doi={10.1109/JBHI.2023.3308697}}
Vielen Dank an Autoren von ML-CVNETs für ihren großartigen Rahmen!
