基于形状模型的分割算法报警系统
计算机视觉与模式识别
2019-08-22 v3
摘要
学习系统通常难以对训练数据中从未出现过的罕见事件做出正确预测，分割算法也不例外。同时，由于数据规模扩大和人力资源有限的趋势，人工逐一检查以定位失败案例变得不可行。因此，我们假设不提供相应的真实掩码，构建了一个在分割结果可能不理想时发出警报的报警系统。一种可行的方案是将分割结果投影到低维特征空间，然后学习分类器/回归器来预测其质量。受此启发，本文中我们利用形状信息学习一个特征空间，形状信息是不同数据集间共享的强先验，且对输入数据的表观变化具有鲁棒性。形状特征通过仅以真实掩码训练的变分自编码器（VAE）网络捕获。在测试时，具有不良形状的分割结果不能很好地拟合形状先验，从而产生较大的损失值。因此，VAE 能够在不使用真实值的情况下评估未见数据上分割结果的质量。最后，我们在一维特征空间中学习一个回归器来预测分割结果的质量。我们的报警系统在多个近期最先进的 3D 医学分割任务分割算法上进行了评估。与其他标准质量评估方法相比，我们的系统对分割结果质量提供了更可靠的预测。
引用
@article{arxiv.1903.10645,
title = {An Alarm System For Segmentation Algorithm Based On Shape Model},
author = {Fengze Liu and Yingda Xia and Dong Yang and Alan Yuille and Daguang Xu},
journal= {arXiv preprint arXiv:1903.10645},
year = {2019}
}
备注
Accepted to ICCV 2019 (10 pages, 4 figures)