图像尺寸对深度学习的影响
计算机视觉与模式识别
2023-02-20 v8 机器学习
图像与视频处理
摘要
本工作中，确定了训练数据集中晚期钆增强（LGE）磁共振成像（MRI）图像的最佳尺寸，以优化深度学习训练结果。使用非额外像素与额外像素插值算法来确定 LGE-MRI 图像的新尺寸。引入了一种新策略来处理插值掩码并去除插值真值（GT）分割掩码中的额外类别标签。使用期望最大化、加权强度、先验信息（EWA）算法对自动分割的 LGE-MRI 图像中的心肌梗死（MI）进行量化。任意阈值、和值比较与差值之和是用于估计半自动或手动与全自动心肌梗死（MI）量化结果之间关系的方法。发现半自动与全自动 MI 量化结果之间的关系在较大 LGE MRI 图像情况下（距手动结果近 55.5%）比较小的 LGE MRI 图像情况（距手动结果近 22.2%）更为接近。
引用
@article{arxiv.2101.11508,
title = {Effects of Image Size on Deep Learning},
author = {Olivier Rukundo},
journal= {arXiv preprint arXiv:2101.11508},
year = {2023}
}
备注
22 pages, 23 figures, 5 tables