.png){kind=icon}
返回
Improved Image Data Augmentation Using Dynamic Mode Decomposition
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-031-93697-5_20.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
许多实际应用采用高度不平衡数据，目标变量位于少数类中。数据分布不均常导致机器无法在确定少数类时实现预测准确性，从而引发各种分类错误。平衡且特征增强的数据集在确保稳健准确的分类结果中起关键作用。本研究将动态模态分解（DMD）视为一种针对少数类的图像数据集过采样技术，涉及创建现有样本的变体。本研究使用来自广州妇女儿童医疗中心的公开数据集。对于所考虑的数据集，研究发现使用基于DMD的注意力驱动图像增强算法生成的图像质量优于ACGAN和普通转换，CC、PSNR和SSI得到改善。比较了3类图像数据集中不同图像平衡技术下各种深度CNN预训练模型的分类准确率。测试结果表明，所提出的方法在更快的执行时间内提供了更好的类别级性能，而现有方法未能实现这一点。当使用基于DMD的平衡数据时，EfficientNetB0、Densenet121和InceptionV3的准确率超过90%，所有三个类别的类别级准确率超过85%，而ResNet50V2和MobileNetV2的准确率接近90%。
Keyword:
Data Augmentation
Medical Image balancing
Dynamic Mode Decomposition
Unsupervised Data Augmentation
期刊
C
IF:
0
论文数:
32
被引数:
0
机构
引用论文
Noise-Robust Wagon Text Extraction Based on Defect-Restore Generative Adversarial Network.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏Multi-resolution dynamic mode decomposition-based salient region detection in noisy images基于多分辨率动态模态分解的含噪图像显著区域检测
PREAI
分享收藏
分享收藏Extended Dynamic Mode Decomposition with Learned Koopman Eigenfunctions for Prediction and ControlOAAI
OAAI分享收藏Salient region detection and object segmentation in color images using dynamic mode decomposition
PREAI
分享收藏
查看更多内容