基于显著性信息的Fit CutMix数据增强算法在医学影像上的应用
深度卷积神经网络是图像分类领域的主流算法之一，但是其训练需要大量标注数据，在阿尔茨海默病医学影像等小数据集上易出现过拟合现象。数据增强算法可以用于扩充数据量，其中 CutMix 数据增强算法近来被广泛应用，但是现有方法生成的增强图像往往忽略原始图像显著区域，且增强图像的标签设计考虑的因素较为单一。针对这些问题，提出Fit CutMix数据增强算法。该算法一是利用基于显著性极值迁移的区域替换策略生成增强样本，集中源样本与目标样本中显著性高的区域；二是综合源样本与目标样本的面积和显著性信息赋予增强样本标签，为卷积神经网络提供有效的监督信息。实验结果表明，将Fit CutMix数据增强算法用于Res...
| Main Author: | |
|---|---|
| Format: | Article |
| Language: | zho |
| Published: |
POSTS&TELECOM PRESS Co., LTD
2023-03-01
|
| Series: | 智能科学与技术学报 |
| Subjects: | |
| Online Access: | https://www.infocomm-journal.com/znkx/CN/10.11959/j.issn.2096-6652.202307 |