code.zip
From the dataset abstract
細胞影像需由醫師進行標註，然而不同的細胞影像往往會隨著時間持續增加，實際上不容易一次將所有影像標註完成。因此本子計畫目標是開發出持續學習之方法，減少新增資料時需使用全部資料重新訓練 AI 模型之成本，並使得AI 模型能夠在保留舊有知識的情況下學習新的知識，以提供使用者影像偵測結果做為參考資訊。
Source: H11-M20_持續性學習之影像偵測模型整合(最終版)
Additional Information
| Field | Value |
|---|---|
| Data last updated | September 30, 2025 |
| Metadata last updated | September 30, 2025 |
| Created | September 30, 2025 |
| Format | application/zip |
| License | Other (Non-Commercial) |
| created | 1 month ago |
| format | ZIP |
| id | f70f6815-a6fd-4e11-a63b-53b5523ff9fc |
| last modified | 1 month ago |
| md5 | 64ab32cea813b2afe3a74fe17536be0a |
| mimetype | application/zip |
| on same domain | True |
| package id | 2bfaae70-6c13-4f51-898d-4b45015fc555 |
| position | 1 |
| proxy url | https://scidm.nchc.org.tw/en/dataset/2bfaae70-6c13-4f51-898d-4b45015fc555/resource/f70f6815-a6fd-4e11-a63b-53b5523ff9fc/nchcproxy/code.zip |
| revision id | c2078add-454f-431c-bf05-0aee8d92c86c |
| sha256 | 6fd47124fe45cb46cd60a00cf3026b0f0678fd29784a7ac5f37f7de3178df5af |
| size | 82.4 MiB |
| state | active |
| url type | upload |
推薦資料集：