ACTIVE：用于显微视频中精子与杂质检测的深度模型
计算机视觉与模式识别
2023-01-18 v1
摘要
准确检测精子与杂质是一项极具挑战性的任务，面临目标尺寸小、目标形态不明确、视频对比度与分辨率低以及精子与杂质相似等问题。迄今为止，精子与杂质的检测仍主要依赖传统的图像处理与检测技术，这些技术不仅性能有限，且常需在检测过程中进行人工干预，从而不利地增加了时间成本并将主观偏差引入分析中。受深度学习方法在众多目标检测任务中取得成功的鼓舞，本文报告了一种基于双分支特征提取网络 (DBFEN) 和交叉共轭特征金字塔网络 (CCFPN) 的深度学习模型。DBFEN 旨在利用双分支结构从微小目标中提取视觉特征，并进一步引入 CCFPN 融合 DBFEN 提取的特征，以增强对位置和高级语义信息的描述。我们的工作是引入深度学习方法进行精子与杂质检测的先驱。实验表明，精子与杂质检测的最高 AP50 分别为 91.13% 和 59.64%，以显著优势领先竞争对手，并在此问题上确立了新的 SOTA 结果。
引用
@article{arxiv.2301.06002,
title = {ACTIVE: A Deep Model for Sperm and Impurity Detection in Microscopic Videos},
author = {Ao Chen and Jinghua Zhang and Md Mamunur Rahaman and Hongzan Sun and M. D. and Tieyong Zeng and Marcin Grzegorzek and Feng-Lei Fan and Chen Li},
journal= {arXiv preprint arXiv:2301.06002},
year = {2023}
}