BoxPolyp：利用额外粗粒度边界框标注提升泛化息肉分割
计算机视觉与模式识别
2022-12-08 v1
摘要
准确的息肉分割对结直肠癌的诊断与治疗至关重要。然而，由于制作精确掩码标注成本高昂，现有息肉分割方法饱受数据严重匮乏与模型泛化受损之苦。反之，粗粒度息肉边界框标注更易获取。因此，本文提出一种增强型 BoxPolyp 模型，以充分利用精确掩码与额外粗框标注。实践中，边界框标注用于缓解既往息肉分割模型的过拟合问题，其通过迭代增强分割模型生成细粒度息肉区域。为实现该目标，首先提出融合滤波采样（FFS）模块，从边界框标注生成噪声更少的像素级伪标签，带来显著性能提升。此外，考虑到同一息肉的外观一致性，设计了一种图像一致性（IC）损失。该 IC 损失显式缩小两个不同网络提取的特征间距离，从而提升模型鲁棒性。需注意，我们的 BoxPolyp 为即插即用模型，可并入任意理想主干网络。在五个具挑战性基准上的定量与定性实验结果证实，所提模型大幅优于既往 SOTA 方法。
引用
@article{arxiv.2212.03498,
title = {BoxPolyp:Boost Generalized Polyp Segmentation Using Extra Coarse Bounding Box Annotations},
author = {Jun Wei and Yiwen Hu and Guanbin Li and Shuguang Cui and S Kevin Zhou and Zhen Li},
journal= {arXiv preprint arXiv:2212.03498},
year = {2022}
}
备注
Accepted by MICCAI2022, Codes Available