EdgeAL:一种基于边缘估计的 OCT 分割主动学习方法
计算机视觉与模式识别
2023-07-26 v2
摘要
主动学习算法在有限数据训练模型中日益流行。然而,由于未标注数据信息有限,选择数据进行标注仍具挑战。为此,我们提出 EdgeAL,其利用未见过图像的边缘信息作为度量不确定性的先验信息。不确定性通过分析模型在边缘处预测的发散度与熵来量化,并据此选择超像素进行标注。我们在多类光学相干断层扫描(OCT)分割任务上验证了 EdgeAL 的有效性,在三个公开数据集(Duke、AROI 和 UMN)上分别以 12%、2.3% 和 3% 的标注标签成本取得了 99% 的 dice 分数。源代码见 \url{https://github.com/Mak-Ta-Reque/EdgeAL}。
引用
@article{arxiv.2307.10745,
title = {EdgeAL: An Edge Estimation Based Active Learning Approach for OCT Segmentation},
author = {Md Abdul Kadir and Hasan Md Tusfiqur Alam and Daniel Sonntag},
journal= {arXiv preprint arXiv:2307.10745},
year = {2023}
}
备注
This version of the contribution has been submitted in miccai2023