Segmentation Consistency Training: Out-of-Distribution Generalization for Medical Image Segmentation 一般化可能性は、特に病院の変更や画像処理ルーチンがモデルの完全な失敗につながる可能性がある医用画像処理の分野で、深層学習における主要な課題の1つと見なされています。これに取り組むために、一貫性トレーニングを導入します。これは、分散外の一般化を促進するために、拡張データと非拡張データ全体でモデルの予測一貫性を最大化することに基づくトレーニング手順とデータ拡張の代替手段です。この目的のために、セグメンテーション不整合損失(SIL)と呼ばれる新しい領域ベースのセグメンテーション損失関数を開発します。これは、拡張された予測と拡張されていない予測およびラベルのペアの違いを考慮します。一貫性トレーニング
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く