IEEE提出AI神經(jīng) ：令變換實(shí)現(xiàn)圖像增強(qiáng)

對(duì)于AI深度神經(jīng)網(wǎng)絡(luò)主要由許多節(jié)點(diǎn)層組成的復(fù)雜架構(gòu)，結(jié)果導(dǎo)致大量需要在訓(xùn)練中評(píng)估的參數(shù)，包括權(quán)重、偏差等。相比于簡(jiǎn)單的架構(gòu)，更大、更復(fù)雜的神經(jīng)網(wǎng)絡(luò)需要更多的訓(xùn)練數(shù)據(jù)滿(mǎn)足適當(dāng)?shù)氖諗俊?/p>

最近，在IEEE論文提出如何可以減少少量數(shù)據(jù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)的新方法，其實(shí)，主要通過(guò)極坐標(biāo)空間中的徑向變換實(shí)現(xiàn)圖像增強(qiáng)。雖然，并未改變數(shù)據(jù)的信息內(nèi)容，而是改進(jìn)了數(shù)據(jù)的多樣性，并最終提升了神經(jīng)網(wǎng)絡(luò)的泛化表現(xiàn)。

其實(shí)，從圖中可以看到。a）使用徑向變換從笛卡爾坐標(biāo)系統(tǒng)（左）中把樣本映射到極坐標(biāo)系統(tǒng)（右）。b）極坐標(biāo)系統(tǒng)中的徑向變換。c）使用徑向變換篩選256×256圖像（2D平面）中的離散樣本。任意選定的極點(diǎn)在像素（170，50）處。d）把c）中篩選的樣本從極坐標(biāo)系統(tǒng)映射到笛卡爾坐標(biāo)系統(tǒng)。紅色樣本表明了樣本從c）到d）的映射方向。

然后，上圖來(lái)自MNIST數(shù)據(jù)集的樣本和使用極坐標(biāo)系中的徑向變換RT（•）的相應(yīng)表征。還有，下圖中的多模態(tài)醫(yī)療數(shù)據(jù)集的樣本，以及在極坐標(biāo)系統(tǒng)中使用徑向變換的相應(yīng)表征。

使用MNIST和醫(yī)療多模態(tài)數(shù)據(jù)集中的原始和徑向變換圖像訓(xùn)練的AlexNet和GoogLeNet模型的收斂行為。術(shù)語(yǔ)「RT」是指徑向變換圖像，術(shù)語(yǔ)「Original」是指用很少的原始圖像訓(xùn)練的模型。x軸表示訓(xùn)練迭代，左y軸表示訓(xùn)練時(shí)的模型損失，右y軸表示使用驗(yàn)證數(shù)據(jù)集訓(xùn)練時(shí)的模型準(zhǔn)確度。

通過(guò)原始和徑向變換的多模態(tài)醫(yī)療圖像訓(xùn)練的AlexNet和GoogLeNet的準(zhǔn)確度（「Acc.」in%）和置信度（「Conf.」in%）值?！窤bd」是指腹部MRI，「Std」是標(biāo)準(zhǔn)偏差。黑體部分是最佳結(jié)果。

此外，通過(guò)原始和徑向變換的MNIST圖像訓(xùn)練的AlexNet和GoogLeNet的準(zhǔn)確度（「Acc.」in%）和置信度（「Conf.」in%）值。「Std」是標(biāo)準(zhǔn)偏差。黑體部分是最佳結(jié)果。

生成海報(bào)

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來(lái)自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書(shū)面權(quán)利通知或不實(shí)情況說(shuō)明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開(kāi)相關(guān)鏈接。