邻级痘痘精准分级
首个显式解决痤疮严重程度相邻等级区分难题的模糊标签学习方法，通过邻接感知序列生成与一致性引导预测实现可靠分级。
Zhou, Murong · Zuo, Baifu · 汪国华 · 骆功宁 · Fanding, Li · 董素宇 · 王卫 · 王宽全 · Li, Xiangyu · Xu, Lifeng
IEEE Transactions on Fuzzy Systems 2024
AFLL 是首个显式解决痤疮相邻等级区分难题的方法，通过邻接感知决策序列生成和一致性引导预测，显著减少分级歧义。
提出了一致性引导的决策序列预测方法，通过选择性掩码决策策略缓解层次决策中的误差传播，提高分级一致性。
提出的顺序联合分布损失同时捕捉整个模糊标签集上高、低模糊隶属度的差异，并建模不同严重程度标签间的时间顺序，大幅提升模糊标签学习效果。
在公开的 ACNE04 数据集上，AFLL 显著优于现有方法，确立了新水平的性能基准。