コントラスト学習を用いたラベル効率の良いマルチタスクセグメンテーション【JST・京大機械翻訳】

Iwasawa Junichiro; Hirano Yuichiro; Sugawara Yohei

プレプリント

J-GLOBAL ID：202202200928034058 整理番号：22P0193700

コントラスト学習を用いたラベル効率の良いマルチタスクセグメンテーション【JST・京大機械翻訳】

Label-Efficient Multi-Task Segmentation using Contrastive Learning

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2020年09月23日プレプリントサーバーでの情報更新日： 2020年09月23日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

3D医用画像に対するアノテーションを得ることは,セグメンテーションタスクを自動化する重要性にもかかわらず,高価で時間がかかる。マルチタスク学習は,少量の注釈付きデータを用いる訓練セグメンテーションモデルのための有効な方法と考えられているが,様々なサブタスクの系統的理解はまだ不足している。本研究では,コントラスト学習に基づくサブタスクによるマルチタスクセグメンテーションモデルを提案し,訓練のためのラベル付きデータの数を変えて,他のマルチタスクモデルとその性能を比較した。さらに,半教師つき方法で正則化分岐を通してラベルなしデータを利用することができるように,著者らのモデルを拡張した。提案手法は,注釈付きデータ量が制限される場合,最先端の完全教師つきモデルを含む他のマルチタスク手法よりも性能が優れていることを示した。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

人工知能

, , , ,

前のページに戻る