面向手术视频分割的相关性感知主动学习
计算机视觉与模式识别
2023-12-12 v2 机器学习
摘要
语义分割是一项复杂任务，严重依赖大量标注图像数据。然而，标注此类数据可能耗时耗力且资源密集，尤其在医疗领域。主动学习（AL）是一种流行的方法，可通过迭代选择图像进行标注以提升模型性能，从而减轻这一负担。对于视频数据，在选择标注图像时考虑模型不确定性和序列的时间特性十分重要。本工作提出了一种用于手术视频分割的新型AL策略，COWAL（COrrelation-aWare Active Learning，相关性感知主动学习）。我们的方法将图像投影到经对比学习微调的潜在空间中，然后从视频帧的局部簇中选择固定数量的代表性图像。我们在两个手术器械视频数据集和三个真实世界视频数据集上证明了该方法的有效性。在获得必要批准后，数据集与代码将公开提供。
引用
@article{arxiv.2311.08811,
title = {Correlation-aware active learning for surgery video segmentation},
author = {Fei Wu and Pablo Marquez-Neila and Mingyi Zheng and Hedyeh Rafii-Tari and Raphael Sznitman},
journal= {arXiv preprint arXiv:2311.08811},
year = {2023}
}
备注
WACV 2024, 8 pages, 7 supplementary pages