用于三维神经元分割的一致循环神经网络
计算机视觉与模式识别
2021-02-02 v1
摘要
我们提出了一种用于神经元三维重建的循环网络,该网络以时空一致性依次生成图像中每个目标的二值掩码。我们的网络从两部分对一致性进行建模:(i)局部一致性,通过双向循环探索非遮挡且时间相邻的目标关系;(ii)非局部一致性,通过跳跃连接探索时间域中的长程目标关系。我们提出的网络可从输入图像到目标掩码序列端到端训练,并且相较于依赖目标边界的方法,其输出无需后处理。我们在三个神经元分割基准上评估了我们的方法,并在SNEMI3D挑战赛上取得了最先进的性能。
引用
@article{arxiv.2102.01021,
title = {Consistent Recurrent Neural Networks for 3D Neuron Segmentation},
author = {Felix Gonda and Donglai Wei and Hanspeter Pfister},
journal= {arXiv preprint arXiv:2102.01021},
year = {2021}
}