用于细胞图像分割的对抗互泄漏网络
图像与视频处理
2022-03-22 v1 计算机视觉与模式识别
摘要
我们提出三种利用 GAN 以及生成器与判别器之间信息泄漏的分割方法。首先，我们提出对抗训练注意力模块（ATA-Module），它利用从判别器到生成器的注意力机制，以增强并泄漏判别器中的重要信息。ATA-Module 将重要信息从判别器传递给生成器。其次，我们提出自顶向下逐像素难度注意力模块（Top-Down PDA-Module），它将生成器中基于逐像素难度的注意力图泄漏给判别器。生成器训练时聚焦于逐像素难度，判别器利用从生成器泄漏的难度信息进行分类。最后，我们提出对抗互泄漏网络（AML-Net），它在生成器与判别器之间相互泄漏信息。通过利用另一网络的信息，其能比普通分割模型更高效地训练。三种所提方法在两个细胞图像分割数据集上进行了评估。实验结果表明，与常规方法相比，AML-Net 的分割精度大幅提升。
引用
@article{arxiv.2203.10455,
title = {Adversarial Mutual Leakage Network for Cell Image Segmentation},
author = {Hiroki Tsuda and Kazuhiro Hotta},
journal= {arXiv preprint arXiv:2203.10455},
year = {2022}
}