ACM MM‘24 | 医学图像分类中类别增量学习的不平衡问题解决方法
发布日期:2025-06-08 03:30:30 浏览次数:4 分类:精选文章

本文共 349 字,大约阅读时间需要 1 分钟。

论文信息

地址不平衡问题在医学图像分类中的类别增量学习方法
作者:Xuze Hao, Wenqian Ni, Xuhao Jiang, Weimin Tan, Bo Yan

论文创新点

提出CIL平衡分类损失函数:针对类别不平衡导致的分类器偏向新类和多数类问题,提出CIL平衡分类损失函数。该函数通过基于类别频率调整logit,对稀有类别给予更多关注,还引入缩放因子,进一步平衡新旧类别,有效减少分类器偏差。

设计分布边际损失函数:为解决类别增量学习中,新旧类别在特征空间易重叠的问题,设计了分布边际损失函数。此函数包含两个损失项,一项推动旧类样本远离新类分布。

上一篇:ACM MM‘24 | 解剖先验引导的空间对比学习用于少样本医学图像分割
下一篇:ACM MM‘24 | DCAFuse:用于多模态图像融合的双分支扩散 - CNN 互补特征聚合网络

发表评论

最新留言

能坚持,总会有不一样的收获!
[***.219.124.196]2026年06月13日 23时57分03秒