用于生成匿名痤疮人脸数据集的生成对抗网络
计算机视觉与模式识别
2022-11-09 v1 人工智能
摘要
众所周知，若用于训练和测试过程的数据库满足某些特定要求，则任何分类模型的性能才有效。换言之，数据集规模越大、越均衡、越具代表性，就越能信赖所提模型的有效性及相应结果。遗憾的是，在生物医学应用中，尤其是涉及病理性人脸图像的应用，大规模匿名数据集通常不公开。这一顾虑使得基于深度学习的方法难以部署，且已发表的一些结果难以复现或验证。本文提出一种高效方法，用于生成具有痤疮障碍属性（对应轻度、中度和重度三个严重等级）的真实匿名合成人脸数据集。为此，我们考虑了一种在特定层级上训练的分层 StyleGAN 基算法。为评估所提方案性能，我们采用一个基于 CNN 的分类系统，使用生成的合成痤疮人脸图像训练，并用真实人脸图像测试。结果表明，使用 InceptionResNetv2 达到了 97.6% 的准确率。因此，本工作使科学界可在无法律或伦理限制的情况下将生成的合成数据集用于任何数据处理应用。此外，该方法也可扩展至其他需要生成合成医学图像的应用。我们可向科学界提供代码及生成的数据集。
引用
@article{arxiv.2211.04214,
title = {Generative Adversarial Networks for anonymous Acneic face dataset generation},
author = {Hazem Zein and Samer Chantaf and Régis Fournier and Amine Nait-Ali},
journal= {arXiv preprint arXiv:2211.04214},
year = {2022}
}