NeurIPS2020
Deep Learning Engine
这个作者很懒,什么都没留下…
展开
-
Contrastive learning:充分利用有限的医学标注数据 |NeurIPS 2020
Contrastive learning:充分利用有限的医学标注数据 |NeurIPS 2020论文导读:“ 为了充分利用三维医学图像局部区域之间以及连续二维图像序列全局之间的相似性,提出了基于对比学习的全局和局部信息学习方法。实验证明,该方法对模型进行语义分割性能提升显著。”论文地址:paper1、Abstract利用大量的标注数据,深度学习模型在医学图像分割任务中均能取得不错的成绩。但是,对于医学图像来说,数据不易于获取,并且标注需要经验丰富的专业医师,相对于自然场景的数据来说标注成本高。因原创 2020-10-20 21:32:13 · 311 阅读 · 0 评论 -
NeurIPS 2020| 重新思考长尾分布中Label的价值
NeurIPS 2020| 重新思考长尾分布中Label的价值本期分享一篇NeurIPS 2020的一篇关于Imbalance Learning的文章《Rethinking the Value of Labels for Improving Class-Imbalanced Learning》。数据分布不平衡,即数据呈长尾分布(long-tailed distributions)。在进行分类任务时,占比较小的类别往往在模型预测时,错误的分类为占比较大的类别。本文从理论和实践两名面重新研究了监督Label的原创 2020-10-13 09:13:41 · 557 阅读 · 0 评论