半监督与自监督生物医学显微图像语义分割的比较研究
计算机视觉与模式识别
2020-11-24 v2 人工智能
应用统计
摘要
近年来，卷积神经网络（CNNs）已成为生物医学图像分析的最先进方法。然而，这些网络通常以有监督方式训练，需要大量标注训练数据。在生物医学领域，这些标注数据集往往难以获取。在这项工作中，我们验证了使用更少标签训练 CNN 进行生物医学图像分割的替代方法。我们调整了两种半监督和自监督图像分类方法，并分析了它们在生物医学显微图像语义分割中的性能。
引用
@article{arxiv.2011.08076,
title = {A comparative study of semi- and self-supervised semantic segmentation of biomedical microscopy data},
author = {Nastassya Horlava and Alisa Mironenko and Sebastian Niehaus and Sebastian Wagner and Ingo Roeder and Nico Scherf},
journal= {arXiv preprint arXiv:2011.08076},
year = {2020}
}