流形增强:将混合正则化与 UMAP 结合

💡 原文中文,约300字,阅读约需1分钟。
📝

内容提要

本研究探讨了医学分割中熵和代表性采样技术的混合模型,使用UMAP技术捕捉代表性。熵-UMAP采样技术在Dice分数上优于随机基线,并在10种不同主动学习方法中获得最高的Dice系数。初步证据表明,在混合主动学习模型中,熵和UMAP方法之间存在协同作用。

🏷️

标签

➡️

继续阅读