利用条件生成对抗网络生成红细胞图像用于数据增强
计算机视觉与模式识别
2019-03-11 v2
摘要
在本文中，我们描述了如何将图像到图像翻译技术应用于医学血涂片数据，以生成新数据样本并切实增加小规模数据集。具体而言，给定显微镜图像的分割掩码，我们能够生成逼真血细胞的图像，这些图像在网络训练期间进一步与真实数据一起用于分割和目标检测任务。该图像数据生成方法基于条件生成对抗网络（conditional generative adversarial networks），其已证明具备高质量图像合成能力。除合成血液图像外，我们还合成了分割掩码，从而带来多样化生成的样本。该技术有效性通过在显微镜下采集并标注的血涂片手动数据集上的一系列实验得到深入分析与量化。
引用
@article{arxiv.1901.06219,
title = {Red blood cell image generation for data augmentation using Conditional Generative Adversarial Networks},
author = {Oleksandr Bailo and DongShik Ham and Young Min Shin},
journal= {arXiv preprint arXiv:1901.06219},
year = {2019}
}