DeepCut：使用卷积神经网络从边界框标注中进行对象分割
计算机视觉与模式识别
2016-06-07 v2
摘要
在本文中，我们提出了DeepCut，这是一种在给定带有边界框标注的图像数据集上获得像素级对象分割的方法。它扩展了著名的GrabCut方法，通过从边界框标注训练神经网络分类器来引入机器学习。我们将该问题形式化为一个密集连接条件随机场上的能量最小化问题，并迭代更新训练目标以获得像素级对象分割。此外，我们提出了DeepCut方法的变体，并将其与弱监督下CNN训练的朴素方法进行了比较。我们测试了其在具有挑战性的胎儿磁共振数据集上解决大脑和肺部分割问题的适用性，并在准确性方面获得了令人鼓舞的结果。
引用
@article{arxiv.1605.07866,
title = {DeepCut: Object Segmentation from Bounding Box Annotations using Convolutional Neural Networks},
author = {Martin Rajchl and Matthew C. H. Lee and Ozan Oktay and Konstantinos Kamnitsas and Jonathan Passerat-Palmbach and Wenjia Bai and Mellisa Damodaram and Mary A. Rutherford and Joseph V. Hajnal and Bernhard Kainz and Daniel Rueckert},
journal= {arXiv preprint arXiv:1605.07866},
year = {2016}
}