基于元强化学习的机器学习任务图像质量评估
图像与视频处理
2022-03-29 v1 计算机视觉与模式识别
摘要
在本文中，我们将图像质量评估（IQA）视为图像对于给定下游任务或任务适用性的度量。当该任务使用机器学习算法执行时，例如基于神经网络的图像分类或分割任务预测器，任务预测器的性能提供了任务适用性的客观估计。在这项工作中，我们使用IQA控制器来预测任务适用性，该控制器本身由神经网络参数化，可与任务预测器同时训练。我们进一步开发了元强化学习框架，以提高IQA控制器和任务预测器的适应性，使它们能够在新的数据集或元任务上高效微调。我们利用超声引导前列腺介入和X射线图像肺炎检测两个临床应用，证明了所提任务特定、可适应IQA方法的有效性。
引用
@article{arxiv.2203.14258,
title = {Image quality assessment for machine learning tasks using meta-reinforcement learning},
author = {Shaheer U. Saeed and Yunguan Fu and Vasilis Stavrinides and Zachary M. C. Baum and Qianye Yang and Mirabela Rusu and Richard E. Fan and Geoffrey A. Sonn and J. Alison Noble and Dean C. Barratt and Yipeng Hu},
journal= {arXiv preprint arXiv:2203.14258},
year = {2022}
}
备注
Accepted to Medical Image Analysis; Final published version available at: https://doi.org/10.1016/j.media.2022.102427