无源领域自适应医学图像分割的局部全局伪标签修正
💡
原文中文,约300字,阅读约需1分钟。
📝
内容提要
本文研究无源无监督域自适应问题,提出了一种去噪假标记方法,通过不确定性估计和原型估计,引入像素级和类级去噪方案,减少嘈杂的假标记并选择可靠的假标记,增强假标记有效性。实验结果显示,该方法在不使用源图像或修改源训练的情况下,性能与最先进的源相关无监督领域适应方法相当甚至更高。
🎯
关键要点
- 研究无源无监督域自适应问题
- 提出去噪假标记方法
- 利用源模型和未标记目标数据促进模型自适应
- 引入不确定性估计和原型估计
- 增加像素级和类级去噪方案
- 减少嘈杂假标记并选择可靠假标记
- 增强假标记有效性
- 实验结果显示性能与最先进方法相当或更高
🏷️
标签
➡️