科研之友
微信
新浪微博
Facebook
分享链接
摘要
由于皮肤镜图片存在着毛发、纹理等方面的干扰，常导致色素性皮肤病识别的误判。为了提高对色素性皮肤病的识别准确率、减少模型的参数量、降低计算量，提出了一种基于MobileViT的色素性皮肤病识别方法。把MobileViT模型作为基础，使用迁移学习训练，并对MobileViT模型作出改进，将MobileViT block的输出融合CBMA注意力机制，对输出使用EfficientNetv2-xl进行知识蒸馏。研究结果表明改进后的算法识别准确率相比原模型提高了7.28%,计算量与参数量也有所降低。并实现了9种色素性皮肤病分类识别界面，为色素性皮肤病在医学辅助诊断方面的研究提供了实验基础。
- 单位
