对抗预测引导的多任务自适应方法用于电子显微镜图像语义分割
计算机视觉与模式识别
2021-01-11 v1
摘要
语义分割是电子显微镜（EM）图像分析的关键步骤。尽管监督模型已取得显著进展，但繁琐的逐像素标注需求仍是主要局限。更棘手的是，由于域偏移，监督学习模型在全新数据集上可能泛化不佳。本研究引入一种对抗预测引导的多任务网络，学习将训练良好的模型自适应地用于新的无标签目标域。由于目标域无标签可用，我们学习一种编码表示，既用于源域上的监督分割，也用于目标数据的无监督重建。为利用几何线索提升判别能力，我们进一步通过语义预测空间中的多级对抗学习来引导表示学习。在公开基准上的对比与消融实验证明了我们方法的最优性能与有效性。
引用
@article{arxiv.2004.02134,
title = {Adversarial-Prediction Guided Multi-task Adaptation for Semantic Segmentation of Electron Microscopy Images},
author = {Jiajin Yi and Zhimin Yuan and Jialin Peng},
journal= {arXiv preprint arXiv:2004.02134},
year = {2021}
}