标题标签不平衡挑战
方法一:二元交叉熵损失函数
方法二:重新采用达到类别平衡
过采样
欠采样
多任务挑战
设置不同任务的损失函数
数据集大小挑战
迁移学习
神经网络的早期层捕获可归一化的低级图像特征(图像边缘),后面的层捕获更高级的或者特定于任务的细节(细节特征)。
1 预训练在数据集的自然图像上,目的提取图像特征
2 微调,用预训练模型进行医学图像训练,调整最后几层和输出层。
两个微调的方法:调整全部的网络层
仅调整最后层。
数据增强
转换是否符合现实场景以及能否达到增强目的
增强后的数据必须符合原有标签