arXiv Computer Vision· Alexis Guichemerre, Banafsheh Karimian, Soufiane Belharbi, Natacha Gillet, Nicolas Thome, Pourya Shamsolmoali, Mohammadhadi Shateri, Luke McCaffrey, Eric Granger·· 4 小时前AI 评分22
SFDA-SPF：选择性预测遗忘用于组织学图像弱监督定位的域适应
Selective Prediction Forgetting for Adaptation of Weakly Supervised Localization of Histology Images
AI 导读
针对弱监督目标定位（WSOL）模型在强跨域偏移下预测过度集中于少数主导类别的问题，研究者提出无源域适应方法 SFDA-SPF，通过识别预测主导类别并选择性修正其不确定样本，构建"遗忘集"与"保留集"并引入互补优化目标，在无需真实目标类别分布的前提下推动分类边界偏离偏置预测。该方法同时联合优化像素级分类器以提升定位性能，适用于器官形态、染色方案和采集条件差异显著的计算病理学场景。
来源：arXiv Computer Vision · arxiv.org