一种用于环境微生物图像分割的多尺度CNN-CRF框架
计算机视觉与模式识别
2021-02-25 v2
摘要
为协助研究者有效识别环境微生物（EMs），本文提出一种用于EM图像分割的多尺度CNN-CRF（MSCC）框架。该框架包含两部分：其一是新颖的像素级分割方法，使用新引入的卷积神经网络（CNN）即“mU-Net-B3”并结合稠密条件随机场（CRF）后处理；其二是基于VGG-16的带新颖“缓冲”策略的块级分割方法，进一步改善EM细节的分割质量。实验中，在420张EM图像上与最先进方法相比，所提MSCC方法将内存需求从355 MB降至103 MB，将总体评价指标（Dice、Jaccard、Recall、Accuracy）分别从85.24%、77.42%、82.27%、96.76%提升至87.13%、79.74%、87.12%、96.91%，并将体积重叠误差从22.58%降至20.26%。因此，MSCC方法在EM分割领域展现出巨大潜力。
引用
@article{arxiv.2003.03744,
title = {A Multi-scale CNN-CRF Framework for Environmental Microorganism Image Segmentation},
author = {Jinghua Zhang and Chen Li and Frank Kulwa and Xin Zhao and Changhao Sun and Zihan Li and Tao Jiang and Hong Li and Shouliang Qi},
journal= {arXiv preprint arXiv:2003.03744},
year = {2021}
}