Soft-Attention Improves Skin Cancer Classification Performance
Di cosa parla
Soft-Attention è un meccanismo che aiuta una rete neurale a concentrare l’attenzione sulle parti più rilevanti di un’immagine, esaltando le caratteristiche utili e attenuando il rumore. Il lavoro confronta questo accorgimento applicato a varie reti profonde nel compito di classificare lesioni della pelle: abbinare Soft-Attention migliora le prestazioni rispetto alle versioni senza, e il codice è pubblicato su GitHub.
Cosa permette di osservare
Consente di valutare se far «guardare meglio» i modelli alle immagini può rendere più affidabile la diagnosi automatica delle lesioni cutanee e se i risultati sono facilmente riproducibili grazie al codice aperto.
Dalla fonte
In clinical applications, neural networks must focus on and highlight the most important parts of an input image. Soft-Attention mechanism enables a neural network toachieve this goal. This paper investigates the effectiveness of Soft-Attention in deep neural architectures. The central aim of Soft-Attention is to boost the value of important features and suppress the noise-inducing features. We compare the performance of VGG, ResNet, InceptionResNetv2 and DenseNet architectures with and without the Soft-Attention mechanism, while classifying skin lesions. The original network when coupled with Soft-Attention outperforms the baseline[16] by 4.7% while achieving a precision of 93.7% on HAM10000 dataset [25]. Additionally, Soft-Attention coupling improves the sensitivity score by 3.8% compared to baseline[31] and achieves 91.6% on ISIC-2017 dataset [2]. The code is publicly available at gi…