用于多类细胞核检测的仿射一致Transformer
计算机视觉与模式识别
2023-10-24 v1
摘要
多类细胞核检测是组织病理学诊断的基本前提。高效定位并识别数字病理图像中具有多样形态与分布的细胞至关重要。大多数现有方法以复杂的中间表示为学习目标，依赖不灵活的后期精炼，却较少关注不同的细胞密度与视野。本文中我们提出一种新颖的仿射一致Transformer（AC-Former），其直接输出一串细胞核位置序列，并通过一个全局与一个局部子网络协作训练。局部分支学习推断更小尺度的失真输入图像，而全局网络输出大尺度预测作为额外监督信号。我们进一步引入自适应仿射Transformer（AAT）模块，可自动学习关键空间变换以扭曲原始图像用于局部网络训练。AAT 模块通过学会捕获对模型训练更有价值的变换图像区域来工作。实验结果表明，所提方法在各种基准上显著优于现有的最先进算法。
引用
@article{arxiv.2310.14154,
title = {Affine-Consistent Transformer for Multi-Class Cell Nuclei Detection},
author = {Junjia Huang and Haofeng Li and Xiang Wan and Guanbin Li},
journal= {arXiv preprint arXiv:2310.14154},
year = {2023}
}
备注
ICCV 2023, released code: https://github.com/lhaof/ACFormer