H11-M14_CODE.zip
根據資料集摘要
Method 為了使細胞實例分割模型具有持續性學習的能力，本方法以兩階段的實例分割模型為框架,加入輸出層級以及特徵層級的知識蒸餾以解決持續性學習裡的災難性遺忘問題,並且以偽標籤方法來解決來解決背景偏移問題，使得模型可以持續學習新資料以及新類別。 Usage 能用於持續性學習之細胞分割模型 Release Note v1.0.0, 2023/07/11...
其他資訊
| 欄位 | 值 |
|---|---|
| 最後更新資料 | 十月 10, 2023 |
| 最後更新的詮釋資料 | 七月 11, 2023 |
| 建立 | 七月 11, 2023 |
| 格式 | ZIP |
| 共享範圍/授權 | Other (Non-Commercial) |
| Media type | application/zip |
| Size | 123,172,155 |
| format | ZIP |
| id | 7be3744c-dfea-42f4-9309-558c2a809cd4 |
| last modified | 11 個月前 |
| md5 | bd47f41d79cf229605909f344c7b65cf |
| on same domain | True |
| package id | 865cfd97-8498-449f-9780-4d041629e4d9 |
| proxy url | https://scidm.nchc.org.tw/zh_TW/dataset/865cfd97-8498-449f-9780-4d041629e4d9/resource/7be3744c-dfea-42f4-9309-558c2a809cd4/nchcproxy/H11-M14_CODE.zip |
| revision id | 8a10a645-8416-4e24-965d-c8556c2592f7 |
| sha256 | 08bdd373df2123945c7fa3b50d7b1ce4520fb8c1c02a99be1a02c697214b7911 |
| state | active |
| url type | upload |
| 建立 | 超過 1 年之前 |
推薦資料集：