AutoML论文笔记（十四）Automatic Data Augmentation via Deep Reinforcement Learning for Effective Kidney Tumor

文章题目：Automatic Data Augmentation via Deep Reinforcement Learning for Effective Kidney Tumor Segmentation

链接：link https://arxiv.org/abs/2002.09703

论文内容

论文阅读笔记，帮助记忆的同时，方便和大家讨论。因能力有限，可能有些地方理解的不到位，如有谬误，请及时指正。
　在医学图像分割中，传统的数据增强通常是借鉴人的经验来做，这种方式不仅泛化能力差，而且有时候甚至起到负作用。因此本文借鉴深度强化学习算法，对肾肿瘤分割任务自动搜索数据增强算子。
　增强模块为agent，enviroment为UNet&增强算子在验证集上的精度。作者在本文中采用的是value&advantage的Dueling DQN算法，搜索空间为：HF (horizontally flip the image), RT (rotate the image), CL/CR/CU/CD (crop from left,right, up and down), WP (warp the image), ZM (zoom in the original image into 1.1x), AN (add noise), LT (increase the brightness), DK (decrease the brightness) 和 TM (terminal this episode)。作者把数据增强后的数据与原始的数据混合在一起训练，这样相当于原始数据量提高了一倍。Rewad为验证集的Dice ratio。
　无论从数据还是图像表征来看，该算法都优于先前人工设计的数据增强算法。并且搜索过程中发现，上下翻转和裁剪操作被选中的概率最大，这也符合人们的认知。