我想使用由 35K 图像组成的医学数据集来解决二进制分类问题。我有几个同样的问题。
1.) 通常用于 COCO、ImageNet 等数据集的 VGG、Inception 等架构正在对特征“丰富”和“复杂”的输入图像进行建模。VGG 大约有 2600 万个参数，InceptionV4 大约有 5000 万个参数，将这样的深度模型用于医学图像是否有意义？
2.) 我知道用于多类分类问题的多种架构，但是是否有专门为二进制分类而设计的神经网络架构，而不是仅转换最后一层？
3.）关于如何处理通常出现在医学数据集的二元分类中的类不平衡问题的任何合适的参考资料？我的意思是医学数据集通常将其视为二进制分类和异常检测的组合。我发现的一种方法是使用 SVM 而不是最后一个全连接层，但有更好的方法吗？