對于AI深度神經(jīng)網(wǎng)絡主要由許多節(jié)點層組成的復雜架構，結(jié)果導致大量需要在訓練中評估的參數(shù)，包括權重、偏差等。相比于簡單的架構，更大、更復雜的神經(jīng)網(wǎng)絡需要更多的訓練數(shù)據(jù)滿足適當?shù)氖諗俊?/p>

最近，在IEEE論文提出如何可以減少少量數(shù)據(jù)訓練神經(jīng)網(wǎng)絡的新方法，其實，主要通過極坐標空間中的徑向變換實現(xiàn)圖像增強。雖然，并未改變數(shù)據(jù)的信息內(nèi)容，而是改進了數(shù)據(jù)的多樣性，并最終提升了神經(jīng)網(wǎng)絡的泛化表現(xiàn)。

其實，從圖中可以看到。a）使用徑向變換從笛卡爾坐標系統(tǒng)（左）中把樣本映射到極坐標系統(tǒng)（右）。b）極坐標系統(tǒng)中的徑向變換。c）使用徑向變換篩選256×256圖像（2D平面）中的離散樣本。任意選定的極點在像素（170，50）處。d）把c）中篩選的樣本從極坐標系統(tǒng)映射到笛卡爾坐標系統(tǒng)。紅色樣本表明了樣本從c）到d）的映射方向。

然后，上圖來自MNIST數(shù)據(jù)集的樣本和使用極坐標系中的徑向變換RT（•）的相應表征。還有，下圖中的多模態(tài)醫(yī)療數(shù)據(jù)集的樣本，以及在極坐標系統(tǒng)中使用徑向變換的相應表征。

使用MNIST和醫(yī)療多模態(tài)數(shù)據(jù)集中的原始和徑向變換圖像訓練的AlexNet和GoogLeNet模型的收斂行為。術語「RT」是指徑向變換圖像，術語「Original」是指用很少的原始圖像訓練的模型。x軸表示訓練迭代，左y軸表示訓練時的模型損失，右y軸表示使用驗證數(shù)據(jù)集訓練時的模型準確度。

通過原始和徑向變換的多模態(tài)醫(yī)療圖像訓練的AlexNet和GoogLeNet的準確度（「Acc.」in%）和置信度（「Conf.」in%）值。「Abd」是指腹部MRI，「Std」是標準偏差。黑體部分是最佳結(jié)果。

此外，通過原始和徑向變換的MNIST圖像訓練的AlexNet和GoogLeNet的準確度（「Acc.」in%）和置信度（「Conf.」in%）值?！窼td」是標準偏差。黑體部分是最佳結(jié)果。

生成海報

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。