GANベースX線画像における適応入力画像正規化を用いたクラス内モード崩壊問題への取り組み【JST・京大機械翻訳】

Saad Muhammad Muneeb; Rehmani Mubashir Husain; O'Reilly Ruairi

プレプリント

J-GLOBAL ID：202202217674386439 整理番号：22P0279484

GANベースX線画像における適応入力画像正規化を用いたクラス内モード崩壊問題への取り組み【JST・京大機械翻訳】

Addressing the Intra-class Mode Collapse Problem using Adaptive Input Image Normalization in GAN-based X-ray Images

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年01月25日プレプリントサーバーでの情報更新日： 2022年04月12日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

生物医学画像データセットは,標的疾患の希少性により不均衡になる。生成的敵対ネットワークは,データセットを増強するための合成画像の生成を可能にすることによって,この不均衡に対処する際に重要な役割を果たす。訓練画像に存在する特徴の分布を正確に表現するために,多様な特徴を組み込んだ合成画像を生成することが重要である。さらに,合成画像における多様な特徴の欠如は機械学習分類器の性能を劣化させる。モード崩壊問題は,多様な画像を作り出すために,Generative Adversarial Networkの能力に影響を及ぼすことができる。モード崩壊は,クラス内とクラス間という2つの品種で来る。本論文では,クラス内モード崩壊問題を検討し,合成X線画像の多様性に対するその影響を評価した。本研究は,クラス内モード崩壊問題を軽減するために,深い畳込みGANに対する適応入力画像正規化の統合の利点の経験的実証に寄与する。結果は,適応入力画像正規化によるDCGANが,優れた多様性スコアによって明らかなように,非正規化X線画像でDCGANより優れていることを実証した。【JST・京大機械翻訳】

, , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

人工知能 , 図形・画像処理一般

, , , , ,

前のページに戻る