本文提出了一種利用有條件的 StyleGAN 網絡來生成具有所需等級的 DR 眼底影像的方法。為了進一步增加生成影像的多樣性,我們無監督地識別潛在空間中編碼的語義上有意義的概念,並利用這些概念來操縱特定的影像特徵。此外,我們提出了一種新穎有效的基於 SeFa 的數據增強策略,通過有效地操縱合成影像來幫助分類器專注於具有區分性的區域,同時忽略冗餘特徵。
在 APTOS 2019 數據集上進行的廣泛實驗表明,生成的影像具有出色的真實性,並且在 DR 檢測和分級任務中,將合成影像與現有的真實影像相結合可以顯著提高分類器的性能,優於最近的研究。
Para outro idioma
do conteúdo fonte
arxiv.org
Principais Insights Extraídos De
by Somayeh Pakd... às arxiv.org 09-12-2024
https://arxiv.org/pdf/2409.07422.pdfPerguntas Mais Profundas