HierAttn
1.0.0
Diagnostic des lésions cutanées profondément supervisées avec l'attention du stade et de la branche
Wei Dai, Rui Liu, Tianyi Wu, Min Wang, Jianqin Yin, Jun Liu
Accepté dans IEEE JBHI, 2023. [Arxiv] [Paper]
Veuillez vous référer à install.md pour les instructions d'installation.
Veuillez vous référer à Data.MD pour la préparation de l'ensemble de données.
Nous avons utilisé l'apprentissage du transfert pour initialiser partiellement les poids réglables des modèles Hierattn et Sota. Veuillez vous référer à Premodel.md pour le téléchargement de modèles pré-entraînés.
| Ihisic20000 Val | # Paramètres / m | Top-1 Précision /% ↑ |
|---|---|---|
| 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 |
| EfficientNet_B0 | 4.02 | 95.48 |
| Hierattn_xs (le nôtre) | 1.08 | 96.15 |
| Hierattn_s (le nôtre) | 2.14 | 96.70 |
| IHPAD3000 Val | # Paramètres / m | Top-1 Précision /% ↑ |
|---|---|---|
| Mobilenetv2 | 2.23 | 87.44 |
| Shufflenetv2_1 × | 2.28 | 87.89 |
| Mobilevit_s | 4.94 | 88.22 |
| Mobilenetv3_large | 4.21 | 88.78 |
| EfficientNet_B0 | 4.02 | 90.22 |
| Mnasnet1.0 | 3.11 | 90.33 |
| Hierattn_xs (le nôtre) | 1.08 | 90.11 |
| Hierattn_s (le nôtre) | 2.13 | 91.22 |
Si vous le trouvez utile dans vos recherches, veuillez envisager de citer notre article comme suit:
@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}}
Un grand merci aux auteurs de ML-CVNETS pour leur grand cadre!
