EyeLoveGAN：利用循环生成对抗网络中的域偏移以循环GAN增强网络学习
计算机视觉与模式识别
2022-03-11 v1 人工智能
摘要
本文介绍了我们在 REFUGE 2020 挑战赛中的贡献。该挑战赛基于视网膜图像数据集包含三项任务：视盘与视杯分割、青光眼分类以及黄斑中心凹定位。我们提议对所有三项任务均采用卷积神经网络。分割使用 U-Net 完成，分类由预训练的 InceptionV3 网络执行，黄斑中心凹检测则通过堆叠沙漏网络进行热图预测。挑战赛数据集包含来自三个不同数据源的图像。为提升性能，我们利用 cycleGANs（循环生成对抗网络）在数据源之间创建域偏移。这些 cycleGANs 将图像跨域迁移，从而生成可用于训练的人工图像。
引用
@article{arxiv.2203.05344,
title = {EyeLoveGAN: Exploiting domain-shifts to boost network learning with cycleGANs},
author = {Josefine Vilsbøll Sundgaard and Kristine Aavild Juhl and Jakob Mølkjær Slipsager},
journal= {arXiv preprint arXiv:2203.05344},
year = {2022}
}