半监督一致性对抗分割

将对抗训练与协同一致性学习策略结合到均值教师框架中,为未标注数据生成更可靠的监督信息。

Tang, Yongqiang · Qu, Yuxun · 崔志华 · 张文生

Computers in Biology and Medicine 2023

技术优势

标注量可减少

通过对抗训练从未标注数据生成置信图,为模型提供额外监督,降低对大量标注的依赖。

监督信息更可靠

协同一致性学习策略让辅助判别器辅助主判别器,产生更高质量的监督信号。

多任务验证有效

在皮肤病变、眼底视杯视盘和低级别胶质瘤三个不同模态的数据集上均优于现有半监督方法。

应用场景