具有内部缺陷苹果的平行束 X 射线 CT 数据集及面向机器学习的标签均衡
机器学习
2020-12-25 v1 计算机视觉与模式识别
数学物理
math.MP
最优化与控制
摘要
我们提供了 94 个苹果的三种平行束层析数据集及其内部缺陷标签文件。这些数据集用于开发和测试数据驱动的、基于学习的图像重建、分割与后处理方法。三个版本分别为无噪声模拟、添加高斯噪声的模拟，以及添加散射噪声的模拟。数据集基于真实 3D X 射线 CT 数据及其后续体积重建。基于体积重建的地面真值图像也可通过本项目获取。苹果含有多种缺陷，这自然引入了标签偏置。我们通过将偏置表述为优化问题来解决它。此外，我们展示了用两种方法求解该问题：一种简单启发式算法和混合整数二次规划。这确保了数据集可划分为测试、训练或验证子集且消除标签偏置。因此，这些数据集可用于图像重建、分割、自动缺陷检测，以及测试（并应用新方法去除）机器学习中标签偏置的影响。
引用
@article{arxiv.2012.13346,
title = {Parallel-beam X-ray CT datasets of apples with internal defects and label balancing for machine learning},
author = {Sophia Bethany Coban and Vladyslav Andriiashen and Poulami Somanya Ganguly and Maureen van Eijnatten and Kees Joost Batenburg},
journal= {arXiv preprint arXiv:2012.13346},
year = {2020}
}
备注
Data Descriptor, to be submitted, 21 pages, 12 figures