用于曲线结构描绘的主动学习与校对
计算机视觉与模式识别
2017-09-12 v2
摘要
许多最先进的描绘方法依赖于监督机器学习算法。因此，它们需要人工标注的训练数据，这非常繁琐。此外，即使是微小的分类错误也可能显著影响最终结果的拓扑结构。在本文中，我们通过考虑潜在误分类对最终描绘结果的影响，提出了一种解决这两个问题的通用方法。在主动学习情境下，我们识别出应优先标注的线性结构部分，以有效训练分类器。在校对情境下，我们类似地找出最终重建结果中应优先验证的区域，以获得近乎完美的结果。在这两种情况下，通过将人类专家的注意力集中在对描绘最关键的潜在分类错误上，我们减少了所需的监督量。我们在描绘血管和神经元的显微图像上验证了该方法的有效性。
引用
@article{arxiv.1612.08036,
title = {Active Learning and Proofreading for Delineation of Curvilinear Structures},
author = {Agata Mosinska and Jakub Tarnawski and Pascal Fua},
journal= {arXiv preprint arXiv:1612.08036},
year = {2017}
}
备注
extended version with fast reconstruction