PatchCamelyon
PulseAugur coverage of PatchCamelyon — every cluster mentioning PatchCamelyon across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新方法无需多注释者标签即可改进病理模型校准
研究人员开发了一种名为合成协议校准的新方法，用于改进计算病理学中使用的基础模型的校准。该技术解决了模型可能对其疑难病例的预测过于自信的问题，即使平均准确率尚可。通过使用训练好的线性探针并在类别锚点之间进行插值，该方法创建了一种诊断模糊性的合成度量。这使得能够使用协议感知的标签平滑来重新训练探针，从而在无需多注释者标签的情况下增强校准，并保持判别指标。
-
新方法解决AI模型解释中的旋转引起的漂移问题
研究人员发现，用于审计AI模型决策的后验显著性图（如Grad-CAM）存在一个显著问题：当输入图像旋转时，即使模型预测保持不变，这些图也会出现“漂移”。这种不稳定性在缺乏规范方向的医学和航空影像领域尤其成问题。研究发现，通道权重出奇地稳定，而空间激活张量是漂移的根源，这种移动会被分类器的池化机制丢弃。一种新方法EquiGrad-CAM已被开发出来，它是一种无需训练的包装器，通过重新定向旋转视图的显著性图后对其进行平均，从而显著提高了旋…
-
REViT 为 Vision Transformers 注入旋转等变性，无需位置编码
研究人员开发了 REViT，一种新颖的方法，它在不依赖复杂位置编码的情况下，为 Vision Transformers (ViTs) 注入了旋转和反射等变性。通过使用“提升”层和群卷积自注意力 (G-CSA)，REViT 在更高维度的空间中处理输入图像，该空间固有地捕获了方向信息。该方法在各种数据集上的表现明显优于传统方法和标准 ViTs，展示了卓越的准确性和效率。