面向医学视觉问答的多重元模型量化方法
计算机视觉与模式识别
2021-06-29 v2
摘要
迁移学习是提取有意义特征并克服医学视觉问答(VQA)任务中数据限制的重要步骤。然而,大多数现有的医学VQA方法依赖外部数据进行迁移学习,而数据集内部的元数据未被充分利用。本文提出一种新的多重元模型量化方法,有效学习元标注并利用有意义特征于医学VQA任务。我们提出的方法旨在通过自动标注增加元数据、处理噪声标签,并输出为医学VQA任务提供鲁棒特征的元模型。在两个公开医学VQA数据集上的大量实验结果表明,与其他最先进(state-of-the-art)方法相比,我们的方法取得了更优的准确率,且无需外部数据训练元模型。
引用
@article{arxiv.2105.08913,
title = {Multiple Meta-model Quantifying for Medical Visual Question Answering},
author = {Tuong Do and Binh X. Nguyen and Erman Tjiputra and Minh Tran and Quang D. Tran and Anh Nguyen},
journal= {arXiv preprint arXiv:2105.08913},
year = {2021}
}
备注
Provisional accepted in MICCAI 2021