基于深度学习风格迁移的微生物菌落数据集生成
计算机视觉与模式识别
2022-06-03 v2 人工智能
定量方法
摘要
我们提出了一种有效策略，用于生成带标注的平皿微生物图像合成数据集，该数据集可用于以全监督方式训练深度学习模型。所开发的生成器将传统计算机视觉算法与用于数据增强的神经风格迁移方法相结合。我们表明，该方法能够合成逼真图像的数据集，可用于训练能够定位、分割和分类五种不同微生物物种的神经网络模型。与收集和标注一整批带标注的大型真实图像集相比，我们的方法所需资源显著更少即可获得有用数据集。我们展示，从仅 100 张真实图像出发，我们可生成数据来训练一个检测器，其取得的结果（检测 mAP = 0.416，计数 MAE = 4.49）与在同一真实、规模大数十倍（mAP = 0.520，MAE = 4.31）、含逾 7k 张图像的数据集上训练的检测器相当。我们证明了该方法在微生物检测与分割中的有用性，但我们预期它具通用性与灵活性，亦可适用于科学与工业的其他领域以检测各类物体。
引用
@article{arxiv.2111.03789,
title = {Generation of microbial colonies dataset with deep learning style transfer},
author = {Jarosław Pawłowski and Sylwia Majchrowska and Tomasz Golan},
journal= {arXiv preprint arXiv:2111.03789},
year = {2022}
}
备注
13 pages, 9 figures, 2 tables