基于共形映射的卷积神经网络图像增强方法
计算机视觉与模式识别
2023-11-22 v3
摘要
针对卷积神经网络(CNN)的方形图像数据增强,我们引入一种新方法:将原始图像通过共形映射映到圆盘上,绕圆盘中心旋转,并在保持圆盘不变的此类 Möbius 变换下映射,然后再映射回原始方形。与 CNN 数据增强中常用的典型变换不同,该过程不会因从原始图像边缘附近移除区域而造成信息丢失。我们在此给出所需全部映射的公式,并详细说明如何编写图像变换代码。新方法还使用模拟数据进行了测试,结果表明,将 10 张图像的训练数据通过该方法增强为 40 张图像,能以统计显著的方式(p值=0.0360)减少 CNN 对 160 张图像测试集的预测误差。
引用
@article{arxiv.2212.05258,
title = {Image augmentation with conformal mappings for a convolutional neural network},
author = {Oona Rainio and Mohamed M. S. Nasser and Matti Vuorinen and Riku Klén},
journal= {arXiv preprint arXiv:2212.05258},
year = {2023}
}
备注
14 pages, 3 figures