美国研究人员开发出新方法 可利用有限数据训练深度学习模型

盖世汽车讯 深度学习模型，例如用于帮助检测疾病或异常的医学成像模型，必须使用大量数据进行训练。然而，这些模型通常面临着没有足够的数据来进行训练或数据太多样化的问题。

图片来源于网络，如有侵权，请联系删除

图片来源：Kamilov lab

图片来源于网络，如有侵权，请联系删除

据外媒报道，圣路易斯华盛顿大学（Washington University in St. Louis）麦凯维工程学院（McKelvey School of Engineering）计算机科学与工程暨电气与系统工程副教授Ulugbek Kamilov及其团队的博士生Shirin Shoushtari、Jiaming Liu和Edward Chandler共同开发出即插即用先验（Plug-and-Play Priors）新方法，可以解决图像重建中的这一常见问题。