用于增强乳腺X线摄影图像分类的对抗式增强
计算机视觉与模式识别
2019-02-22 v1 机器学习
摘要
有监督深度学习依赖于存在足够训练数据的假设，这给其在若干领域的应用带来了问题，例如医学影像。以二值图像分类任务（乳腺癌识别）为例，我们展示了预训练一个生成模型以进行有意义的图像增强，有助于提升所得分类器的性能。通过增强数据，即使在相对较小的训练集上，下游分类任务的性能也能得到改善。我们表明，以乳腺癌分类为例，这种“对抗式增强”相较于经典图像增强取得了有前景的结果。
引用
@article{arxiv.1902.07762,
title = {Adversarial Augmentation for Enhancing Classification of Mammography Images},
author = {Lukas Jendele and Ondrej Skopek and Anton S. Becker and Ender Konukoglu},
journal= {arXiv preprint arXiv:1902.07762},
year = {2019}
}