BriefGPT - AI 论文速递
·
语义分割中类别不平衡的实例级不确定性
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文提出了一种基于师生模型的双不确定加权半监督分割方法，通过贝叶斯深度学习训练教师模型，将分割不确定性延伸到特征不确定性，并设计了可学习的不确定性一致性损失。实验证明该方法在医学数据集上优于现有方法。
🎯
关键要点
- 提出了一种基于师生模型的双不确定加权半监督分割方法。
- 教师模型通过对标签和未标签数据的不一致预测惩罚来指导学生模型。
- 使用贝叶斯深度学习训练教师模型，首次将分割不确定性延伸到特征不确定性。
- 设计了可学习的不确定性一致性损失，以在预测和不确定性之间进行无监督学习。
- 通过定性和定量分析验证了特征不确定性和损失函数的有效性。
- 实验结果表明，该方法在两个公共医学数据集上优于现有的基于不确定性的半监督方法。
➡️
