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

作     者：于贺 余南南 Yu He;Yu Nannan

作者机构：江苏师范大学电气工程及自动化学院 

出 版 物：《信号处理》 (Journal of Signal Processing)

年 卷 期：2019年第35卷第12期

页      面：2045-2054页

核心收录：

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 081104[工学-模式识别与智能系统] 08[工学] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：江苏省高校自然科学项目重大项目(19KJA460010) 江苏省产学研合作项目(BY2018083) 

主　　题：生成式对抗网络 模式崩溃 多尺寸卷积 残差单元 图灵测试 

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。