关键词synthetic augmentation
搜索结果 - 2
- 大规模无条件预训练的合成增强
通过在大规模无标签数据集上预训练潜在扩散模型(LDM),我们提出了一种名为 HistoDiffusion 的合成增强方法,然后在未见过的有标签数据集上通过分类器引导在潜在空间中微调模型,以合成特定类别的图像,并采用选择性机制只添加与目标标签 - 利用潜在扩散模型提高非酒精性脂肪肝疾病分类性能
综合临床专业知识和深度学习技术,通过利用扩散模型生成的合成图像和真实图像相结合,文中通过基于 NAFLD 分类的实验表明,综合使用效果明显优于仅使用生成对抗网络(GANs)进行图像增广,达到了 0.904 的最佳图像级别 ROC AUC 性