BriefGPT - AI 论文速递
·
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。
📝
内容提要
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％。
🎯
关键要点
- 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。
- REthinker block包含本地构建的convLSTM/Conv3D层和SE模块，增强了网络在本地和全局语境表示方面的灵敏度。
- 该技术能够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，模型在准备好的数据集上达到了79.46％的MIoU，显著高于Deeplab v3+的64.12％，提高了15.34％。
➡️
