利用边界框先验进行基于点标注的细胞检测
计算机视觉与模式识别
2022-11-14 v1
摘要
单个细胞类型（如红细胞）的大小在人群中没有太大差异。我们利用这一知识作为先验，在仅含少量真值边界框标注而大多数细胞以点标注的图像中对细胞进行分类与检测。该设定导致弱半监督学习。我们提出在训练过程中用随机（ST）框或边界框预测替换点。所提出的“mean-IOU” ST 框通过与属于样本空间的所有框最大化重叠，并具有类特定的近似边界框先验概率分布。与现有先以框标注再以点标注图像训练的方法不同，我们的方法将框标注和点标注图像联合训练。在最具挑战性的设定下（仅 5% 图像为框标注），在尿液数据集上的定量实验表明，我们的一阶段方法以 5.56 mAP 优于两阶段方法。此外，我们提出了一种在训练机器学习模型之前部分回答“需要多少框标注”的方法。
引用
@article{arxiv.2211.06104,
title = {Bounding Box Priors for Cell Detection with Point Annotations},
author = {Hari Om Aggrawal and Dipam Goswami and Vinti Agarwal},
journal= {arXiv preprint arXiv:2211.06104},
year = {2022}
}