释放开放集嘈杂样本潜力：针对医学图像分类的标签噪声
原文中文，约200字，阅读约需1分钟。发表于：。在医学图像分类方面，为解决闭集和开放集标签噪音的问题，我们提出了一个扩展噪音鲁棒对比和开放集特征增强（ENCOFA）框架，包括扩展噪音鲁棒有监督对比（ENSC）损失和开放集特征增强（OSFeatAug）模块，针对开放集噪音样本的识别和特征提取问题进行改进，实验结果表明 ENCOFA 在噪音标签处理方面优于传统方法，并有效地利用开放集噪音样本对抗标签噪音。
本研究探讨了开放式和封闭式嘈杂标签的结合问题，并提出了一种新的算法EvidentialMix，与现有算法进行了比较。实验结果显示，我们的方法在分类和特征表示方面表现出色。
