基于初始化剪枝的 unrolled 网络在 MRI 重建中提升泛化性能
图像与视频处理
2024-12-30 v1 计算机视觉与模式识别
机器学习
摘要
深度学习方法在许多图像重建任务中表现突出，但当模型在测试时应用于不同的实验环境或存在分布迁移时，监督学习模型的性能可能恶化。本研究证明，在训练时对深度图像重建网络进行剪枝可提升其对分布迁移的鲁棒性。具体而言，我们针对加速磁共振成像引入 unrolled 重建架构，提出一种在初始化时对 unrolled 网络进行剪枝（PUN）的方法。实验表明，与传统稠密网络相比，PUN在多种实验环境下均能实现更好的泛化性能，甚至在分布内数据上也能获得略微的性能提升。
引用
@article{arxiv.2412.18668,
title = {Pruning Unrolled Networks (PUN) at Initialization for MRI Reconstruction Improves Generalization},
author = {Shijun Liang and Evan Bell and Avrajit Ghosh and Saiprasad Ravishankar},
journal= {arXiv preprint arXiv:2412.18668},
year = {2024}
}
备注
5 pages, 4 figures, Asilomar Conference on Signals, Systems, and Computers 2024