数据增强中的最近邻插值之外
材料科学
2025-08-13 v1
摘要
避免使用最近邻插值以防止类别标签未定义的风险，忽略了这种做法会加剧像素水平标注错误的风险。此外，插值算法固有的低通滤波效应会加剧对标注区域感兴趣部位（ROI）中高频结构细节的损坏。为避免这些风险，作者修改了卷积神经网络的数据转换函数，通过纳入修改后的几何变换函数来消除对最近邻插值的依赖，并整合基于均值的类别过滤机制以处理未定义的类别标签。作者还实现了一个离线数据增强管道，用于生成特定插值方法的增强训练数据，使能够定量评估插值方法对增强训练数据中低通滤波效应的影响。在三个医学图像分割数据集和XBAT+数据集上的实验评估表明，各项定量指标均实现了性能提升。
引用
@article{arxiv.2504.01526,
title = {Accelerating the discovery of high-performance nonlinear optical materials using active learning and high-throughput screening},
author = {Victor Trinquet and Matthew L. Evans and Gian-Marco Rignanese},
journal= {arXiv preprint arXiv:2504.01526},
year = {2025}
}