预训练主干网络在多肠炎息肉分割中的泛化能力
计算机视觉与模式识别
2024-05-27 v1 机器学习
摘要
最近的研究表明，以自监督方式预训练主干网络可为肠炎息肉分割提供更好的微调性能，模型采用 ViT-B 主干网络的性能通常优于采用 ResNet50 主干网络的模型。在本文中，我们扩展了这一最近的研究，考虑泛化能力。即，我们评估模型在不同于微调所用数据集上的性能，同时考虑网络架构和预训练流程（算法和数据集）的差异。这揭示了不同预训练主干网络模型对训练数据分布稍有不同的新数据的泛化程度，这种情况在实际部署中由于不同摄像机和患者人口统计特征等因素可能会出现。我们观察到，关于肠炎息肉分割的预训练流程的先前发现在考虑泛化能力时仍然成立。然而，我们的结果表明，尽管采用 ViT-B 主干网络的模型在测试集上评估性能优于采用 ResNet50 主干网络的模型，但 ResNet50 主干网络的模型通常表现出更好的泛化能力。
引用
@article{arxiv.2405.15524,
title = {Polyp Segmentation Generalisability of Pretrained Backbones},
author = {Edward Sanderson and Bogdan J. Matuszewski},
journal= {arXiv preprint arXiv:2405.15524},
year = {2024}
}