用于黑色素瘤分割的高性价比主动学习
计算机视觉与模式识别
2017-11-29 v2
摘要
我们提出了一种新颖的主动学习框架，能够以有限的标注训练数据有效地训练卷积神经网络用于医学图像的语义分割。我们的贡献是一种实用的高性价比主动学习方法，利用测试时的 dropout 作为蒙特卡洛采样来建模像素级不确定性，并分析图像信息以改善训练性能。该项目的源代码可在 https://marc-gorriz.github.io/CEAL-Medical-Image-Segmentation/ 获取。
引用
@article{arxiv.1711.09168,
title = {Cost-Effective Active Learning for Melanoma Segmentation},
author = {Marc Gorriz and Axel Carlier and Emmanuel Faure and Xavier Giro-i-Nieto},
journal= {arXiv preprint arXiv:1711.09168},
year = {2017}
}
备注
NIPS ML4H 2017 workshop