深度神经网络中的双视图金字塔池化，用于改进医学图像分类和置信度校准
原文中文，约300字，阅读约需1分钟。发表于：。提出了一种新颖的双视图框架，通过分析空间特征和像素级特征之间的差异，系统地研究了空间池化和通道池化的相对作用，并基于该框架提出了一种新的池化方法，称为双视图金字塔池化（DVPP），以从双轴角度充分利用 SP 和 CCP 操作符的优点来提高医学图像分类和置信度校准性能，并讨论了如何实现无参数的 DVPP，并在六个 2D/3D 医学图像分类任务上进行了广泛实验，结果表明 DVPP...
研究者提出了一种新的双视图框架，通过分析空间特征和像素级特征之间的差异，提出了一种新的池化方法，称为双视图金字塔池化（DVPP）。实验结果表明，DVPP在医学图像分类和置信度校准性方面优于现有池化方法。
