| 大会名称 |
|---|
| 2023年 総合大会 |
| 大会コ－ド |
| 2023G |
| 開催年 |
| 2023 |
| 発行日 |
| 2023-02-28 |
| セッション番号 |
| D-20 |
| セッション名 |
| 情報論的学習理論と機械学習 |
| 講演日 |
| 2023/3/7 |
| 講演場所(会議室等) |
| 2号館 2401教室 |
| 講演番号 |
| D-20-2 |
| タイトル |
| ボトルネック転置トランスフォーマーを用いた皮膚病変画像分類モデルの精度向上 |
| 著者名 |
| ◎多田晟人, 韓 先花, |
| キーワード |
| 皮膚病変画像, トランスフォーマー |
| 抄録 |
| 近年，医療画像解析を含む様々のビジョンタスクにおいて深層学習の利用は急速に発展しており，その有効性を検証してきた．本研究では，幾つのComputer Visionタスクにおいて精度向上を成功した畳み込み演算とself-Attention 構造を統合したボトルネックTransformer モデルを利用し，高精度な皮膚病変識別モデルの構築を目指す．特に，バックボーンCNNで抽出した高レベルの特徴マップでは，多様なチャネル方向の特徴を得られていることから，特徴のチャネル方向の長距離依存性をモデリングできるself-Attention機構を構築する．具体的に，チャネル方向のSelf-attentionを用いて特徴間の相互関係を取り入れてから，空間方向の特徴間の関係を捉えるdepthwise畳み込み層演算を利用した転置Transformer モデルを提案する． |
| 本文pdf |
|
PDF download
|