本論文では、病理組織画像分類のための効果的なアクティブラーニング手法「FocAL」を提案している。FocALは、ベイズニューラルネットワークと異常検知を組み合わせることで、以下の3つの要素を活用した獲得関数を設計している:
重み付き epistemic 不確実性: クラスの不均衡を考慮し、過小表現されたクラスの情報を効果的に取得する。
aleatoric 不確実性: 曖昧な画像を避けて、ラベル付けの効率化を図る。
OoD スコア: アーティファクトを含む画像を避けて、有用な情報のみを取得する。
実験では、MNISTデータセットにアーティファクトと曖昧さを人工的に付与し、提案手法の有効性を確認した。また、Pandaデータセットを用いた実験では、わずか0.69%の教師データで Cohen's kappa 0.764の高精度な分類を実現した。これは、アーティファクトや曖昧さを避けつつ、過小表現されたクラスの情報を効果的に取得できたことによる。
다른 언어로
소스 콘텐츠 기반
arxiv.org
더 깊은 질문