Feature2Mass：用于真实带标签肿块生成的隐空间视觉特征处理
计算机视觉与模式识别
2018-11-13 v2
摘要
本文研究一种生成真实带标签肿块的方法。近来，将深度学习应用于包括计算机辅助检测与诊断在内的多种生物图像计算领域的尝试很多。为使深度网络模型在生物图像计算领域表现良好，需要大量带标签数据。然而，在许多生物成像领域，大规模带标签数据集难以获取。尽管少数研究致力于通过生成模型解决此问题，但仍存在如下一些问题：1）生成的生物图像不够真实；2）生成生物图像的变化有限；3）需要额外的标签标注任务。本研究提出一种通过隐空间视觉特征处理来生成真实带标签生物图像的方法。实验结果表明，所提方法生成的肿块图像真实且具有较宽的目标肿块特征表达范围。
引用
@article{arxiv.1809.06147,
title = {Feature2Mass: Visual Feature Processing in Latent Space for Realistic Labeled Mass Generation},
author = {Jae-Hyeok Lee and Seong Tae Kim and Hakmin Lee and Yong Man Ro},
journal= {arXiv preprint arXiv:1809.06147},
year = {2018}
}
备注
This paper presented at ECCV 2018 Workshop