超越像素级损失实现拓扑感知的曲线结构描绘
计算机视觉与模式识别
2017-12-07 v1
摘要
曲线状结构的描绘是计算机视觉中的一个重要问题，具有多种实际应用。随着深度学习的兴起，当前许多自动描绘方法聚焦于寻找更强大的深度架构，但仍沿用诸如二元交叉熵之类的惯用像素级损失。本文指出，像素级损失单独用于该问题并不合适，因为它们无法反映最终预测中错误的拓扑影响。我们提出一个新的损失项，该损失项能够感知线性结构的高阶拓扑特征。我们还引入了一种细化流程，该流程将同一模型在先前描绘结果上迭代应用，以在每一步细化预测，同时保持模型参数数量和复杂度不变。当与标准像素级损失结合使用时，我们的新损失项和迭代细化均提升了预测描绘的质量，在某些情况下与仅用二元交叉熵训练的同一分类器相比准确率几乎翻倍。我们表明，我们的方法在从显微镜图像到航拍图像的大量数据上均优于最先进的方法。
引用
@article{arxiv.1712.02190,
title = {Beyond the Pixel-Wise Loss for Topology-Aware Delineation},
author = {Agata Mosinska and Pablo Marquez-Neila and Mateusz Kozinski and Pascal Fua},
journal= {arXiv preprint arXiv:1712.02190},
year = {2017}
}