阅读目的:老师分享,大概目的是为了让我多了解一些多任务学习的思想吧(利用任务间的关联性)
标题:HF-UNet: Learning Hierarchically Inter-Task Relevance in Multi-Task U-Net for Accurate Prostate Segmentation in CT images
在多任务U-Net中学习分层任务间相关性,以准确分割CT图像中的前列腺
作者团队:南京大学医学院 Junfeng Zhang
来源:arXiv 2020 被引 1
源码链接:无
数据集链接:略
摘要部分笔记:
1、为了精准分割前列腺,文中将前列腺分割分成一个多任务学习框架,一个主要任务是分割前列腺,一个辅助任务是勾画前列腺边界。(为CT图像中不清楚的前列腺边界提供额外指导)
2、传统的多任务网络通常会共享大部分参数(即特征表示)但这可能会限制其数据拟合能力,因为不同任务的特性不可避免地被忽略。
3、本文提出的HF-Unet为两个任务设计两个互补的分支,新的基于attention的任务一致性学习块在两个decoder分支间的每一层进行通讯。因此,HF-UNet既能学习到不同任务不同层次间的共享特征,也能保留不同任务的特性。
介绍部分笔记(含文献综述):
1、本文提出的HF-UNet再早期分支和晚期分支的多任务网络间进行权衡,实验了一个符合基本迁移学习规则的松散框架,以最小化两个输入域的特征差异为目标,充分体现了最小化两种分布差异&#x