弱监督预训练和多注释者监督微调用于面部皱纹检测
原文中文，约300字，阅读约需1分钟。发表于：。本研究解决了面部皱纹预测的重要性，探索了卷积神经网络（CNN）在自动化面部皱纹分割中的应用。论文提出了一种有效的方法，将多注释者的数据整合提高性能，显示转移学习的潜力，为皮肤治疗和诊断提供了自动化支持。
本文提出了一种对象逐一学习技术，使用语义分割方法识别11种类型的面部皮肤病变。通过引入REthinker block，包含本地构建的convLSTM/Conv3D层和SE模块，提高了网络在本地和全局语境表示方面的灵敏度，捕捉外观不明显的对象和不同对象类之间的共同出现关系。实验结果显示，该模型在准备好的数据集上达到了79.46％的MIoU，比Deeplab v3+（64.12％的MIoU）提高了15.34％。
