收藏本站
《信号处理》 2019年12期
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

基于多尺寸卷积与残差单元的快速收敛GAN胸部X射线图像数据增强

于贺  余南南  
【摘要】:针对深度学习中数据增强的方法,改进生成式对抗网络(GAN,Generative adversarial networks)模型,形成一种快速收敛生成式对抗网络,能够克服GAN训练过程不稳定、收敛速度缓慢容易发生模式崩溃等问题。采用在判别器中使用多尺寸卷积,加强判别器的特征提取能力;在生成器中添加残差单元的方法,使得生成器可以快速拟合真实数据的分布;同时对判别器进行预训练的策略,有利于提高生成器前期训练稳定性和加快训练过程。运用CIFAR-10标准数据集进行实验,与几种基于GAN的模型对比,证实本文的改进算法效果较好,图像质量和多样性更优。利用本文提出的改进算法用于美国NIH临床数据库的胸部X射线数据集,生成扩充样本,经图灵测试证实了算法的有效性。

知网文化
【相似文献】
中国期刊全文数据库 前2条
1 朱晓铭;王仲悦;陈林海;张帅;王云峰;;基于卷积自编码器的心电压缩方法[J];电子设计工程;2019年22期
2 李晓华;;基于一维卷积网络的心电图辅助诊断方法[J];科学技术创新;2020年03期
中国重要会议论文全文数据库 前1条
1 郑加永;徐晓敏;张晨晖;苏忠良;李建新;汪海;张红萍;杨晓凯;;一例GAN基因双重杂合突变导致的巨轴索神经病[A];2015年浙江省医学遗传学学术年会暨高通量基因测序产前筛查与诊断技术研讨会论文汇编[C];2015年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978