HierAttn
1.0.0
Глубоко контролированный диагноз поражений кожи со стадией и вниманием
Вэй Дай, Руи Лю, Тиани Ву, Мин Ван, Цзяньцин Инь, Джун Лю
Принято в IEEE JBHI, 2023. [arxiv] [Paper]

Пожалуйста, обратитесь к install.md для инструкций по установке.
Пожалуйста, обратитесь к Data.md для подготовки набора данных.
Мы использовали Transfer Learning, чтобы частично инициализировать настраиваемые веса моделей Hierattn и SOTA. Пожалуйста, обратитесь к Premodel.md для загрузки моделей.
| Ihisic20000 Val | # Параметры/м | Топ-1 Точность/%↑ |
|---|---|---|
| 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 |
| EfficiveNet_b0 | 4.02 | 95,48 |
| Hierattn_xs (наш) | 1.08 | 96.15 |
| Hierattn_s (наш) | 2.14 | 96.70 |
| IHPAD3000 Val | # Параметры/м | Топ-1 Точность/%↑ |
|---|---|---|
| Mobilenetv2 | 2.23 | 87.44 |
| Shufflenetv2_1 × | 2.28 | 87.89 |
| MobileVit_s | 4.94 | 88.22 |
| Mobilenetv3_large | 4.21 | 88,78 |
| EfficiveNet_b0 | 4.02 | 90.22 |
| Mnasnet1.0 | 3.11 | 90.33 |
| Hierattn_xs (наш) | 1.08 | 90.11 |
| Hierattn_s (наш) | 2.13 | 91.22 |
Если вы найдете это полезным в своем исследовании, пожалуйста, рассмотрите возможность ссылаться на нашу статью следующим образом:
@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}}
Большое спасибо авторам ML-CVNets за их отличную рамку!