[MICCAI2019] Pick-and-Learn: Automatic Quality Evaluation for Noisy-Labeled Image Segmentation

作者信息
Haidong Zhu, Tsinghua 电机系
文章针对医学影像中标注质量的痛点进行了探究,pick & learn,顾名思义,文章用到的解决方法为:对每个mini-batch中样本的标注质量进行评分,然后根据标注质量高低对相应样本的loss进行加权,得到mini-batch的最终loss后再反向传播,更新网络。


Method

如下为方法框图,包含3个主要模块:segmentation modulequality awareness module(QAM)overfitting control module (OCM)
在这里插入图片描述

QAM(quality awareness module)

QAM是与segmentation module平行的分支,它的输入为图像+label(n+1通道数),结构为VGG网络,最后一层为average pooling(AVP)层,输出batch中每个sample 的

  • 1
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 2
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值