基于测试时增强的主动学习与自训练的高效标签分割
原文中文,约700字,阅读约需2分钟。发表于: 。深度学习技术依赖于大规模数据集,其注释非常耗时。为了减轻注释负担,已经开发了自训练(ST)和主动学习(AL)方法,以及将它们以迭代方式结合的方法。然而,尚不清楚每种方法最有用的时间以及在何时结合它们是有优势的。本文提出了一种新的方法,它使用测试时增强(TTA)将 ST 与 AL 相结合。首先,在初始教师网络上进行 TTA。然后,根据最低估计的 Dice...
本文介绍了一种新方法,将自训练和主动学习相结合,使用测试时增强。实验结果表明,自训练对MRI胎体和胎盘分割任务非常有效,提高了ID和OOD数据的性能。然而,当自训练与主动学习结合时,对单序列胎体分割的性能有所改进,但对ID数据的多序列胎盘分割性能略有下降。在胎体分割序列转移方面,将主动学习与自训练结合在自训练迭代后,只使用6个原始扫描和2个新序列扫描就可以获得较高的Dice系数。