一种用于从单幅图像提取训练数据的像素平均技术及其在基于机器学习的图像放大中的应用
计算机视觉与模式识别
2019-04-02 v1 机器学习
摘要
训练数据集的规模是机器学习算法性能的重要影响因素，医学图像处理中使用的工具也不例外。机器学习工具通常需要相当数量的训练数据才能有效预测目标。对于图像处理和计算机视觉，图像的数量决定了训练集的有效性和可靠性。在某些情况下，医学图像质量差且数量不足以构成合适的训练集。本研究提出的算法通过从单幅图像中提取所需数据，免除了基于机器学习的图像放大技术对大型甚至小型图像数据集的需求。提取的数据随后被输入决策树回归器，用于在不同缩放级别下对灰度医学图像进行放大。与第三方应用相比，该算法的结果相对可接受，并对未来研究具有前景。该技术可根据其他机器学习工具的需求进行调整，并通过进一步调整工具的超参数来改善结果。
引用
@article{arxiv.1904.00747,
title = {A Novel Pixel-Averaging Technique for Extracting Training Data from a Single Image, Used in ML-Based Image Enlargement},
author = {Amir Rastar},
journal= {arXiv preprint arXiv:1904.00747},
year = {2019}
}