原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于学习的数据扩充算法与应用研究
摘要
数据扩充是一种针对深度学习问题中数据集的正则化方法，是通过有限数据生成更多扩充数据，以满足模型对数据集的要求，避免过拟合，得到更好的泛化能力并适用于更多应用场景。在低数据量环境中，这类方法可以有效提高模型测试精度，因此常用于医学、生物等专业性较强的数据集中。传统数据扩充算法主要是对原数据集做简单的预处理（例如，对图像做随机裁剪，随机翻转，添加高斯噪声等），在图像分割等领域是常用而有效的。然而，通过传统扩充算法产生的数据常具有随机性，且无法追踪是否可以有效提升模型效果。本文针对医学图像分割问题，制定了一种新的基于学习的数据扩充算法，利用深度强化学习（DR
文档评论（0）