在堆叠的SVM中联合使用深度模型学习的特征和传统的视觉特征进行医学子图分类

文献中诊断图像和插图的分类是自动化文献回顾和检索的主要挑战。 尽管深度学习模型被公认为最成功的图像分类技术,但是可能需要传统的视觉特征来补充,以解决该问题,其中存在类内变异,类间相似性和一个小的训练数据集。 在本文中,我们提出了一种对诊断图像和生物医学出版物插图进行分类的方法。该算法在堆叠支持中共同使用了三个预训练的深度卷积神经网络模型和十种传统视觉特征所学习的图像表示形式。向量机(SVM)分类器。 我们已经在ImageCLEF 2016子图分类数据集上对该算法进行了评估,达到了85.62%的准确度,高于在此挑战中纯视觉方法的顶级性能。