클래스 불균형 CT 체성분 분할에서 샘플링과 학습 예산의 분리

연구진은 클래스 불균형 CT 체성분 분할에서 에피소딕 샘플링, 랜덤 샘플링, 가중 샘플링을 비교했다.

전체 데이터에서는 에피소딕 샘플링이 다른 방법들과 비슷한 성능을 보였다.

하지만 저데이터 환경에서는 에피소딕 샘플링이 더 좋은 결과를 내고, 랜덤·가중 샘플링보다 과적합이 덜했다.

이 연구는 학습 반복 수가 샘플링 비교에서 중요한 혼란 변수라고 지적한다.

클래스 균형 에피소딕 배치는 희귀 클래스 학습에 도움이 되는 간단한 정규화 효과를 줄 수 있다.