逼近峰值真值
机器学习
2023-03-21 v3 人工智能
计算机视觉与模式识别
摘要
机器学习模型通常通过计算机与参考标注的相似性来评估，并通过最大化与此类的相似性来训练。尤其在生物医学领域，标注具有主观性且评分者间与评分者内可靠性低。由于标注仅反映对真实世界的一种解释，即便模型获得高相似性分数，也可能导致次优预测。本文引入 PGT（峰值真值）的理论概念。PGT 标定了这样一个点：超过该点后，与参考标注相似性的增加不再转化为更好的 RWMP（真实世界模型性能）。此外，提出了一种通过计算机评分者间与评分者内可靠性来近似 PGT 的定量技术。最后，回顾了四类 PGT 感知策略以评估并提升模型性能。
引用
@article{arxiv.2301.00243,
title = {Approaching Peak Ground Truth},
author = {Florian Kofler and Johannes Wahle and Ivan Ezhov and Sophia Wagner and Rami Al-Maskari and Emilia Gryska and Mihail Todorov and Christina Bukas and Felix Meissen and Tingying Peng and Ali Ertürk and Daniel Rueckert and Rolf Heckemann and Jan Kirschke and Claus Zimmer and Benedikt Wiestler and Bjoern Menze and Marie Piraud},
journal= {arXiv preprint arXiv:2301.00243},
year = {2023}
}
备注
7pages, 2 figures (minor corrections to text, affiliations and layout)