有限数据条件下的多缺陷显微图像复原
图像与视频处理
2020-12-02 v2 计算机视觉与模式识别
机器学习
机器学习
摘要
深度学习方法正被广泛用于复原荧光显微成像相关的缺陷。此类方法应用中的主要挑战之一是训练数据的可用性。本工作中，我们提出一种在训练数据有限时复原多缺陷荧光显微图像的统一方法。我们的方法包括两个阶段：首先，使用带条件实例归一化（CIN）的生成对抗网络（GAN）进行数据增强；其次，在配对的真值与缺陷图像上训练条件 GAN（cGAN）以执行复原。在三种常见成像缺陷类型及不同训练数据量上的实验表明，当可用数据有限时，所提方法在复原图像质量上取得了可比或优于 CARE、deblurGAN 和 CycleGAN 的结果。
引用
@article{arxiv.1910.14207,
title = {Multi-defect microscopy image restoration under limited data conditions},
author = {Anastasia Razdaibiedina and Jeevaa Velayutham and Miti Modi},
journal= {arXiv preprint arXiv:1910.14207},
year = {2020}
}
备注
NeurIPS 2019 Medical Imaging workhop