CodaMal: 低成本 显微镜中针对疟疾检测的对比领域适应

通过使用高成本显微镜（HCM）进行训练，通过自适应对比损失来减小领域偏移，同时结合仔细设计的增强方式确保疟疾寄生虫的准确检测，我们提出了一个名为 CodaMal 的端到端学习框架，该方法在公开的大规模 M5 数据集中相较于现有方法在平均准确率（mAP）方面有 16% 的显著进步，在推理期间有 21 倍的加速，并且只需要之前方法的一半的可学习参数。