ASC-Net：基于对抗的选择网络用于无监督异常分割
计算机视觉与模式识别
2021-10-04 v2 机器学习
图像与视频处理
摘要
我们引入了一个神经网络框架，利用对抗学习将图像划分为两部分，其中一部分落入用户提供的参考分布。该概念解决了无监督异常分割任务，由于其在带有未标注数据的任务中的广泛应用，近年来引起了越来越多的关注。这种基于对抗的选择切割网络（ASC-Net）桥接了基于聚类的深度学习方法与基于对抗的异常/新颖性检测算法两个领域。我们在 BraTS 脑肿瘤分割、LiTS 肝脏病变分割和 MS-SEG2015 分割任务上评估了这一无监督学习模型。与 AnoGAN 系列等现有方法相比，我们的模型在无监督异常分割任务中展现出巨大的性能提升。尽管与有监督学习算法相比仍有进一步改进性能的空间，但有前景的实验结果为构建使用用户自定义知识的无监督学习算法提供了启示。
引用
@article{arxiv.2103.03664,
title = {ASC-Net : Adversarial-based Selective Network for Unsupervised Anomaly Segmentation},
author = {Raunak Dey and Yi Hong},
journal= {arXiv preprint arXiv:2103.03664},
year = {2021}
}
备注
Accepted for MICCAI 2021