重训练深度学习目标检测系统需要多少张放射影像？
图像与视频处理
2022-10-18 v1 计算机视觉与模式识别
摘要
背景：放射影像计算机视觉中的目标检测已大幅受益于深度卷积神经网络的进展，例如可在放射影像上用边界框标注膝关节或椎间盘。深度学习能否检测放射影像中微小（小于图像 1%）目标？重训练深度学习模型时需要使用多少张放射影像？方法：我们标注了 396 张左、右腕背侧 75° 内侧至掌外侧斜位（DMPLO）投照的放射影像，标注部位包括桡骨、腕骨近列、腕骨远列、副腕骨、第一腕骨（若存在）以及掌骨（第二、三、四掌骨）。将影像及相应标注划分数据集，用于对基于 YOLOv5s 迁移学习所建模型进行留一交叉验证。结果：训练 32 个 epoch 时，使用 96 张及以上影像训练的模型在精度、召回率和 mAP 上均达到 0.95 以上，包括第一腕骨。最佳模型学习检测第一腕骨所需 epoch 数为其他骨骼的两倍。结论：基于深度学习的免费开源先进目标检测模型可仅用 100 张放射影像重训练用于放射影像计算机视觉应用，并达到 0.95 以上的精度、召回率和 mAP。
引用
@article{arxiv.2210.08734,
title = {How many radiographs are needed to re-train a deep learning system for object detection?},
author = {Raniere Silva and Khizar Hayat and Christopher M Riggs and Michael Doube},
journal= {arXiv preprint arXiv:2210.08734},
year = {2022}
}