BriefGPT - AI 论文速递
·
SSTD：使用单点监督进行条纹状空间目标检测
💡
原文中文，约600字，阅读约需2分钟。
📝
内容提要
本文提出了一种新的方法，使用测试时增强（TTA）将自训练（ST）与主动学习（AL）相结合，用于深度学习任务。实验结果表明，该方法在MRI胎体和胎盘分割任务上有效，提高了性能。然而，对于单序列胎体分割，AL并不比随机选择更好。在胎体分割序列转移方面，将AL与ST结合可以获得较好的结果。
🎯
关键要点
-
深度学习技术依赖于大规模数据集，其注释非常耗时。
-
自训练（ST）和主动学习（AL）方法已被开发以减轻注释负担。
-
本文提出了一种新的方法，使用测试时增强（TTA）将 ST 与 AL 相结合。
-
在初始教师网络上进行 TTA，然后选择标注案例进行训练。
-
该方法在MRI胎体和胎盘分割任务上有效，提高了性能。
-
ST 对两个任务都非常有效，提高了 ID 和 OOD 数据的性能。
-
AL 对单序列胎体分割的性能没有显著改善，甚至略有下降。
-
对于高变异性的胎盘数据，AL 是有帮助的。
-
结合 AL 与 ST 后，胎体分割序列转移的结果显著提高。
-
代码可在指定链接获取。
➡️
