眼底数据频域增强算法

眼底血管分割算法常作为一种辅助分析工具用于眼部疾病的诊断.具有良好泛化性能的算法需要大量有标签数据作为支撑，但眼底数据难以获取且标注成本高.当数据匮乏时，模型训练容易过拟合，导致产生域泛化性能弱的问题.使用生成对抗网络进行数据增强能在一定程度上缓解该问题，但是合成的图像往往包含噪声数据，性能提升有限.本文从频域角度出发，设计一种数据增强算法，定义频域语义信息量，将眼底数据集的频段划分为低频、中频和高频.在训练阶段，对低频分量进行随机融合，中频分量使用随机权重增强.在测试阶段通过聚类算法缩小源域和目标域在频域上的语义信息偏差，从而提升算法的泛化性能.