domain adaptive object detection (DAOD) models a joint distribution of images
and labels from an annotated source domain and learns a domain-invariant
transformation to estimate the target labels with the given target domain
images. Existing methods assume that the source domain labels
本文研究了乳腺密度分布对深度学习模型在乳腺 X 光照片中的泛化性能的影响,并使用 VinDr-Mammo 数据集探索了域自适应技术,特别是噪声潜在可转移性探索(NLTE)框架下的域自适应目标检测(DAOD)来改善模型性能。结果显示,DAOD 和所提出的增强框架可以提高深度学习模型的泛化性能,特别是在乳腺密度分布的情况下,这对乳腺 X 光照片具有重要意义。