Jun, 2024

释放开放集嘈杂样本潜力：针对医学图像分类的标签噪声

PDF
TL;DR在医学图像分类方面，为解决闭集和开放集标签噪音的问题，我们提出了一个扩展噪音鲁棒对比和开放集特征增强（ENCOFA）框架，包括扩展噪音鲁棒有监督对比（ENSC）损失和开放集特征增强（OSFeatAug）模块，针对开放集噪音样本的识别和特征提取问题进行改进，实验结果表明 ENCOFA 在噪音标签处理方面优于传统方法，并有效地利用开放集噪音样本对抗标签噪音。
medical image classificationlabel noiseopen-set samplesencofa frameworknoisy dataset
发现论文，激发创造
  • 打开开放集的力量：开放集嘈杂标签学习的新视角

    本文提出了一种新的 CECL 对比学习方法，通过将一些 open-set 样本合并入 closed-set 类以提高准确率，同时将其他 open-set 样本作为界限以提高代表性，来处理混合的 label 噪音，取得了优于现有方法的实验效果。

    May, 2023

  • 开放式标签噪声可以提高对内在标签噪声的稳健性

    本文在弱监督学习中提出了使用 Open-set 动态噪声标签的正则化方法 ODNL，使深度神经网络拥有更高的容错能力，并且能够在标签噪声下取得更好的 Out-of-Distribution 检测表现。

    Jun, 2021

  • 使用开放式噪声标签的迭代学习

    本研究提出了一种适用于具有无法识别真实类别的嘈杂标签开放集问题的卷积神经网络（CNN）训练的新的迭代学习框架，包括噪声标签检测和清晰标签的权重设计。经过实验证明，该模型能够在高比例的开放集和闭集噪声标签情况下鲁棒地训练 CNNs。

    Mar, 2018

  • EvidentialMix: 结合开放集和封闭集噪声标签的学习

    本研究研究了一个新的嘈杂标签问题变形，将开放式和封闭式嘈杂标签结合在一起，并介绍了一个基准评估来评估此设置下训练算法的性能。我们提出了一种新的算法，称为 EvidentialMix，并将其与已有的封闭式和开放式噪声分类算法进行比较。实验结果表明我们的方法产生了优秀的分类结果和更好的特征表示。

    Nov, 2020

  • 通过温和的混合增强对开放式输入的鲁棒性

    本文提出了一种新的正则化方法，可应用于现有的卷积神经网络架构中，以提高开放集鲁棒性，实现了最先进的开放集分类基线结果，并轻松扩展到大规模开放集分类问题。

    Sep, 2020

  • 通过未知利用在开放集领域适应中收紧分类边界

    通过提取未知实例的高置信度集合，并将其用作限制条件来收紧开放集域自适应方法的分类边界，改进了开放集域自适应方法。在包含 Office-31 和 Office-Home 数据集的广泛实验中，对 OVANet 进行评估，观察到连续改进的结果，Office-31 的准确率和 H-Score 绝对增益高达 1.3％，Office-Home 的准确率增益为 5.8％，H-Score 增益为 4.7％。

    Sep, 2023

  • 神经集成、极大熵损失和特征增强的开放集人脸识别

    这项研究介绍了一种新的方法，该方法利用紧凑型神经网络和基于边界的代价函数来关联，从而探索额外的样本，并可以通过在训练时间的表示层次上从外部数据库中获取补充的负样本或进行合成建模。实验结果表明，该方法能够提高闭集和开放集的识别率。

    Aug, 2023

  • 利用嵌入对受损图像数据集中的内部及外部噪声进行对比无监督特征聚类

    这篇研究使用无监督对比特征学习的方法来对网络图像进行检索，然后结合奇异谱嵌入和离群点敏感聚类来检测噪声和局外点，并训练噪声鲁棒的神经网络来纠正 ID 噪声和利用 OOD 样本进行引导对比学习，提高底层特征。

    Jul, 2022

  • 对抗噪声标签的稳健特征学习

    This paper proposes a method to improve the robustness of deep learning models in the presence of noisy labels by utilizing unsupervised learning and cluster regularization.

    Jul, 2023

  • 医学图像分割中的干净标签解缠

    当前的医学图像分割方法中存在着错误的标注，而现有的研究都未解决干净标签解藕的问题。本研究提出一种简单而高效的类平衡采样策略，用于应对类不平衡问题，并将此方法扩展到噪声特征辅助的干净标签解藕框架，实现从标签集中选择干净标签，并更好地学习语义信息。实验证明了该方法的有效性，并取得了新的最优性能。

    Nov, 2023