AttriGen：面向血细胞数据集的自动化多属性标注
计算机视觉与模式识别
2025-10-01 v1 人工智能
机器学习
摘要
我们引入了 AttriGen，一种用于计算机视觉中自动化、细粒度多属性标注的新框架，特别关注细胞显微镜领域，其中与传统细胞类型分类相比，多属性分类仍然代表性不足。使用两个互补的数据集：包含八种不同细胞类型的外周血细胞（PBC）数据集和包含其对应 11 种形态属性的 WBC 属性数据集（WBCAtt），我们提出了一种双模型架构，该架构结合了用于细胞类型分类的 CNN 和用于多属性分类的 Vision Transformer（ViT），达到了 94.62% 准确率的新基准。我们的实验表明，相对于传统的全面人工标注，AttriGen 显著增强了模型的可解释性，并提供了显著的时间和成本效率。因此，我们的框架建立了一种新范式，通过有效地自动化多属性标签的扩展，可以扩展到其他计算机视觉分类任务。
引用
@article{arxiv.2509.26185,
title = {AttriGen: Automated Multi-Attribute Annotation for Blood Cell Datasets},
author = {Walid Houmaidi and Youssef Sabiri and Fatima Zahra Iguenfer and Amine Abouaomar},
journal= {arXiv preprint arXiv:2509.26185},
year = {2025}
}
备注
6 pages, 4 figures, 3 tables. Accepted at the 12th International Conference on Wireless Networks and Mobile Communications 2025 (WINCOM 2025)