HierAttn
1.0.0
Diagnosis lesi kulit yang sangat diawasi dengan perhatian panggung dan cabang
Wei Dai, Rui Liu, Tianyi Wu, Min Wang, Jianqin Yin, Jun Liu
Diterima di IEEE JBHI, 2023. [Arxiv] [Kertas]
Silakan merujuk ke Install.md untuk instruksi instalasi.
Silakan merujuk ke data.md untuk persiapan dataset.
Kami menggunakan Transfer Learning untuk menginisialisasi sebagian model Hierattn dan SOTA yang dapat merdu. Silakan merujuk ke premodel.md untuk unduhan model pretrained.
| IHISIC20000 VAL | # Parameter/m | Akurasi Top-1/%↑ |
|---|---|---|
| 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 |
| EfisienNet_B0 | 4.02 | 95.48 |
| Hierattn_xs (milik kami) | 1.08 | 96.15 |
| Hierattn_s (milik kami) | 2.14 | 96.70 |
| IHPAD3000 VAL | # Parameter/m | Akurasi Top-1/%↑ |
|---|---|---|
| MobileNetv2 | 2.23 | 87.44 |
| Shufflenetv2_1 × | 2.28 | 87.89 |
| MOBILEVIT_S | 4.94 | 88.22 |
| MOBILENETV3_LARGE | 4.21 | 88.78 |
| EfisienNet_B0 | 4.02 | 90.22 |
| MNASNET1.0 | 3.11 | 90.33 |
| Hierattn_xs (milik kami) | 1.08 | 90.11 |
| Hierattn_s (milik kami) | 2.13 | 91.22 |
Jika Anda merasa berguna dalam penelitian Anda, silakan pertimbangkan mengutip makalah kami sebagai berikut:
@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}}
Terima kasih banyak kepada penulis ML-CVNET untuk kerangka kerja mereka yang hebat!
