SPARCL提出空间自适应主动学习

Juho Jung等提出SPARCL主动学习方法，在胸部X光病灶分割中同时考虑预测不确定性与已标注区域的空间覆盖；论文称，该方法在自建钙化队列和公开CXR基准上以24%的数据达到全监督性能的95%，优于最佳基线所需的29%。 SPARCL使用凹形覆盖函数和熵门控，并引入空间不一致性（SI）与性能覆盖度（PC）两个指标，用于评估采样区域的空间覆盖和模型表现。上述性能结果仅对应论文评测的胸部X光数据集。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。