半监督分割中一些概念与想法。Generic Semi-Supervised Framework for Volumetric Medical Image Segmentation

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