- …
- …
#210
summarized by : 中村 優太
どんな論文か？
3次元医用画像に半教師あり学習をはじめて適用した研究. 損失関数の工夫がキモであり, RetinaNetに用いられているFocal Lossを改良したSoft-target focal lossを採用することによって半教師あり学習が可能となった.
新規性
半教師あり学習にはMixMatchという強力なアプローチがあるが, これらは物体検出にそのまま適用できなかった. 理由は, Focal Lossなどの有用な損失関数を使うためには教師ラベルがHard Label(y=0,1)でなければならないため. MixMatchは途中でデータ点を線形補完する工程があり, 教師ラベルがSoft Label(0<y<1)のデータ点が発生してしまう.
結果
モデルにFeature Pyramid Networksの3D版を用いてCT画像からの肺結節検出タスクを行なった. LUNA16データセットにて, ラベルあり画像25枚+ラベルなし画像400枚+MixUpによる半教師あり学習を, ラベルあり画像425枚での教師あり学習と比べると, Competition Performance Metricsが同等となるどころか5.3point差をつけて上回った.
その他（なぜ通ったか？等）
- …
- …