用于合成训练数据生成的 GAN 集成方法
计算机视觉与模式识别
2021-04-27 v1 机器学习
图像与视频处理
摘要
训练数据不足是大多数深度学习实践的主要瓶颈，在医学影像中尤为突出，因为数据难以收集，且由于伦理和隐私问题公开可用的数据集十分稀缺。本工作研究了使用生成对抗网络（GANs）生成的合成图像作为唯一训练数据来源。我们证明，对于该应用，利用多个 GAN 来提升生成数据的多样性（即充分覆盖数据分布）至关重要。虽然单个 GAN 能生成看似多样的图像内容，但在此基础上训练在大多数情况下会导致严重的过拟合。我们测试了 GAN 集成在合成二维数据以及常用图像数据集（SVHN 和 CIFAR-10）上的影响，并使用了 DCGANs 和渐进式增长 GANs。作为一个具体用例，我们专注于合成数字病理图像块以提供匿名化训练数据。
引用
@article{arxiv.2104.11797,
title = {Ensembles of GANs for synthetic training data generation},
author = {Gabriel Eilertsen and Apostolia Tsirikoglou and Claes Lundström and Jonas Unger},
journal= {arXiv preprint arXiv:2104.11797},
year = {2021}
}
备注
ICLR 2021 workshop on Synthetic Data Generation: Quality, Privacy, Bias