11:43
官方账号arXiv cs.AI@Alisher Myrgyyassov, Zhen Song, Bruce Xiao Wang, Yu Sun, Min Ney Wong, Yihao Zhou, Yongping Zheng
推荐理由：研究人员提出Dual Co-Train框架，只需5张标记图像就能实现跨数据集超声波舌部分割，效果优于监督方法。
源域自适应
共 1 条相关 AI 资讯
8月19日
11:43
研究人员提出Dual Co-Train框架，仅需5个标记源图像即可实现超声波舌部分割。该方法通过迭代优化伪标签、使用基于轮廓的质量控制模块过滤不可靠掩码，以及通过分割引导的条件GAN生成目标风格合成图像-掩码对。在8个超声波舌成像数据集的12个源-目标转移对上评估，该方法在分割重叠率和轮廓准确性上优于包括监督方法在内的基线。