不一致性问题的重要性：从不一致的解码器特征中学习以实现一致的半监督医学图像分割
原文中文，约300字，阅读约需1分钟。发表于：。我们提出了一种名为 LeFeD 的半监督学习方法，通过训练差异化的解码器并从不一致的信息中学习，学习来自两个解码器的特征级差异，并将差异作为反馈信号馈送到编码器中，从而在三个公共数据集上取得了超越竞争对手的结果，为半监督医学图像分割设定了新的技术标准。
该研究提出了一种自监督学习方法，适用于对象检测和语义分割等半全局任务。该方法通过最小化像素级的本地对比损失，在自学习特征中强制实现对变换后的同一图像的相应图像位置之间的本地一致性。在三个数据集上评估 SSL 方法，结果比现有的先进自监督学习方法在对象检测、检测和分割等任务上分别提高了 1.9％、1.4％和 0.6％。
