Key points are not available for this paper at this time.
इस पेपर में, हमने एक नवीन गहरे तंत्रिका नेटवर्क आर्किटेक्चर प्रस्तुत किया है जिसमें ट्रांसफर लर्निंग दृष्टिकोण शामिल है, जो VGG16 प्री-ट्रेंड मॉडल के ब्लॉक4 पूल लेयर तक की सभी परतों को फ्रीज करके और संयोजित करके बनाया गया है (निम्न स्तर पर) और एक यादृच्छिक रूप से प्रारंभित नाईव इनसेप्शन ब्लॉक मॉड्यूल की परतों के साथ (उच्च स्तर पर)। इसके अतिरिक्त, हमने प्रस्तावित आर्किटेक्चर में बैच सामान्यकरण, फ्लैटेन, ड्रॉपआउट और घनी परतें जोड़ी हैं। हमारा ट्रांसफर नेटवर्क, जिसे VGGIN-नेट कहा जाता है, बड़े इमेजनेट ऑब्जेक्ट डेटा सेट से छोटे असंतुलित स्तन कैंसर डेटा सेट में डोमेन ज्ञान के हस्तांतरण में मदद करता है। प्रस्तावित मॉडल के प्रदर्शन में सुधार करने के लिए, नियमितीकरण का उपयोग ड्रॉपआउट और डेटा संवर्धन के रूप में किया गया। विभिन्न मेग्निफिकेशन फैक्टर्स की छवियों के लिए प्रस्तावित गहरे ट्रांसफर नेटवर्क पर विस्तृत ब्लॉक-वार फाइन ट्यूनिंग की गई है। व्यापक प्रयोगों के परिणाम संकेत करते हैं कि फाइन-ट्यूनिंग के आवेदन के बाद वर्गीकरण प्रदर्शन में महत्वपूर्ण सुधार हुआ है। प्रस्तावित गहन शिक्षण आर्किटेक्चर ट्रांसफर लर्निंग और फाइन-ट्यूनिंग के साथ ब्रेकहिस स्तन कैंसर डेटा सेट के वर्गीकरण के लिए अन्य अत्याधुनिक दृष्टिकोणों की तुलना में सबसे उच्चतम सटीकता देता है। यह वर्णित आर्किटेक्चर इस तरह से डिज़ाइन किया गया है कि इसे अन्य स्तन कैंसर डेटा सेट पर प्रभावी ढंग से ट्रांसफर लर्न किया जा सके।
सैनी एट अल। (सोम,) ने इस सवाल का अध्ययन किया।