Kết hợp các mô hình trong học chuyển giao để xây dựng mô hình phân lớp dự đoán bệnh về da

Abstract

Học chuyển giao (Transfer Learning) là một kỹ thuật trong học sâu (Deep Learning) sử dụng một mô hình đã được huấn luyện về một lĩnh vực cho một bài toán trong lĩnh vực khác có liên quan. Trong bài báo này, chúng tôi sử dụng hai mô hình MobileNetV2 và DenseNet121 đã được huấn luyện trên tập dữ liệu ảnh ImageNet để huấn luyện các mô hình dự đoán các nhãn lớp (lành tính và ác tính) cho các ảnh chụp các mẫu da có các nốt lành tính và ác tính. Để cải thiện kết quả phân lớp chúng tôi kết hợp các đặc trưng của cả hai mô hình để làm đầu vào cho các lớp dự đoán phía sau. Qua hai bước huấn luyện và tinh chỉnh mô hình, kết quả đạt được có độ chính xác gần 92.1% trên tập dữ liệu ảnh các mẫu da bị bệnh.