今天看到一篇很好的论文,这篇论文中的设定跟我对半监督分割认为的一些概念一样。
分布不变的特征
分布不变的特征是指在不同数据分布或域(如不同的医学图像数据集)中保持一致的特征。这些特征不受数据分布变化的影响,能够在不同的环境中表现出稳定的性能。
半监督域泛化(SemiDG)
定义: 半监督域泛化(Semi-Supervised Domain Generalization, SemiDG)是一种在训练期间利用来自多个领域的标记和未标记数据,并在未见过的目标领域上进行评估的方法。目标是提高模型在不同领域下的泛化能力。
用途: SemiDG在实际应用中也非常重要,特别是在数据分布变化较大的情况下。例如,在不同设备或环境下采集的图像数据可能存在显著差异,SemiDG可以帮助模型在这些不同的环境中保持稳定的性能。
论文中主要解决的问题。
分布不变特征捕捉的弱点:现有SSL框架难以有效捕捉分布不变的特征。
标注数据的过拟合:未标注数据在训练过程中容易被标注数据压制,导致模型过拟合