BIRL：基于地标验证的图像配准方法基准
计算机视觉与模式识别
2020-01-22 v2 性能
图像与视频处理
摘要
本报告提出了一个通用的图像配准基准，利用地标标注进行自动评估。BIRL框架的关键特性包括：易于扩展、性能评估、并行实验、简单可视化、实验超时限制、恢复未完成的实验。从研究实践中，我们识别并聚焦于以下两个主要用例：(a) 在公共数据集上将用户（新开发的）方法与某些State-of-the-Art (SOTA)方法进行比较；(b) 在用户的自定义数据集（应包含地标标注）上实验SOTA方法。此外，我们将几种面向生物医学成像的标准图像配准方法集成到BIRL框架中。本报告还包含这些SOTA方法在CIMA数据集上的实验结果，该数据集为来自组织学/病理学的Whole Slice Imaging (WSI)，包含来自三种组织类型的多个多染色组织样本。源代码与结果：https://borda.github.io/BIRL
引用
@article{arxiv.1912.13452,
title = {BIRL: Benchmark on Image Registration methods with Landmark validation},
author = {Jiri Borovec},
journal= {arXiv preprint arXiv:1912.13452},
year = {2020}
}