足够好：提升你的标签质量值得吗？
计算机视觉与模式识别
2025-05-28 v1
摘要
在医学图像分割中提高标签质量成本高昂，但其收益仍不明确。我们使用由 nnU-Net、TotalSegmentator 和 MedSAM 等模型生成的多个伪标签版本的 CT 数据集，系统地评估了其影响。我们的结果表明，虽然更高质量的标签能提高领域内性能，但如果低于一个较小的阈值，其收益仍不明确。对于预训练，标签质量的影响极小，这表明模型转移的是一般概念而非详细标注。这些发现为何时值得投入精力提高标签质量提供了指导。
引用
@article{arxiv.2505.20928,
title = {Good Enough: Is it Worth Improving your Label Quality?},
author = {Alexander Jaus and Zdravko Marinov and Constantin Seibold and Simon Reiß and Jens Kleesiek and Rainer Stiefelhagen},
journal= {arXiv preprint arXiv:2505.20928},
year = {2025}
}