code.zip
From the dataset abstract
病理組織影像需由醫師進行標註，然而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，以提供使用者影像分割結果做為參考資訊。
Source: H11-M21_持續性學習之影像分割模型整合(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 | 12d75f2a-6b09-4ac7-8ba1-7bb62a14d7a2 |
| last modified | 1 month ago |
| md5 | 486e7262d572992db6494774e8de7ac6 |
| mimetype | application/zip |
| on same domain | True |
| package id | 1f25e756-8859-4125-aaca-2130c1823e06 |
| position | 1 |
| proxy url | https://scidm.nchc.org.tw/en/dataset/1f25e756-8859-4125-aaca-2130c1823e06/resource/12d75f2a-6b09-4ac7-8ba1-7bb62a14d7a2/nchcproxy/code.zip |
| revision id | cb33f071-ef1b-4579-b49e-ce1b02299b7b |
| sha256 | 70217824343b58db035d66d50926d58addf029a962c08b7ae90a3753cd6a3e20 |
| size | 1.7 MiB |
| state | active |
| url type | upload |
推薦資料集：