拥抱数字病理与自然图像的标注高效学习（AEL）
计算机视觉与模式识别
2022-12-02 v1
摘要
Jitendra Malik 曾言：“监督是 AI 研究者的鸦片”。多数深度学习技术严重依赖极大量人工标签才能有效运作。在当今世界中，数据创建速率远超数据标注速率。完全依赖人工标注只是解决当前 AI 中封闭式问题的权宜之计。现实中，仅有极小部分数据被标注。标注高效学习（Annotation Efficient Learning, AEL）是研究以更少标注有效训练模型算法的领域。为在 AEL 环境中发展，我们需要更少依赖人工标注（如图像、边界框与逐像素标签）、而从无标签数据学习有用信息的深度学习技术。本论文中，我们探索五种处理 AEL 的不同技术。
引用
@article{arxiv.2212.00470,
title = {Embracing Annotation Efficient Learning (AEL) for Digital Pathology and Natural Images},
author = {Eu Wern Teh},
journal= {arXiv preprint arXiv:2212.00470},
year = {2022}
}
备注
Ph.D. Thesis of Eu Wern Teh