論文要約：Co-training with High-Confidence Pseudo Labels for Semi-supervise

Stacking Ensemble Learning in Deep Domain Adaptation for Ophthalmic Image Classification

概要

Uncertainty-guided Collaborative Mean-Teacher (UCMT) を提案。協調学習semantic segmentationの疑似ラベルの品質を向上。SOTAより優位。

書誌情報

2023/1/11
Zhiqiang Shen、他
東北大学（中国）、アリババグループ、他
https://arxiv.org/abs/2301.04465

背景

半教師semantic segmentationに、高品質の疑似ラベルは、必須。
しかし、疑似ラベルを用いた協調学習は早期にコンセンサスに収束し、自己教師モデルに退化してしまう。

方法

Uncertainty-guided Collaborative Mean-Teacher (UCMT) を提案。

UCMTは2つのメインコンポーネントで構成される。
1つは、Collaborative Mean-Teacher（CMT）。モデルの不一致を勧め、サブネットワーク間で協調学習する。
もう1つは、Uncertainty-guided region MIX（UMIX）。CMTのuncertainty mapに従って入力画像を修正し、CMTに信頼性の高い疑似ラベルを生成させる。

CMTとUMIXを組み合わせることで、UCMTはモデルの不一致を保ちつつ、協調学習セグメンテーション用の疑似ラベルの品質を向上させる。

結果

2D・3Dモダリティを含む4つの公開医療画像データセットを用いた広範な実験により、SOTAに対する優位性が実証。