EGDCL: An Adaptive Curriculum Learning Framework for Unbiased Glaucoma Diagnosis

[tkuri]

論文概要

緑内障診断の支援に機械学習は大きく貢献しているが、緑内障の学習画像の収集時は健常例が大多数を占めるので正常/異常間の不均衡バイアスがあり、更にその中の困難な異常例を特にロバストに認識しなければならない。そこで学習データの偏りを徐々に調整する学習基準を提案。

提案する適応的Dualカリキュラムは容易/困難、正常/異常などの偏ったデータの学習効果をバランスよく調整するための適応的な学習基準とみなせる。生徒モデルが決定手順におけるバイアスを特定しPriorを得て教師モデルが新しく設計されたカリキュラムを用いてデータ分布をリサンプリングし偏りを解消。

https://www.ecva.net/papers/eccv_2020/papers_ECCV/html/3685_ECCV_2020_paper.php

Code

未確認。