用于弱监督分割的离散约束深度网络
计算机视觉与模式识别
2019-08-19 v1
摘要
弱监督分割的一种高效策略是对目标区域施加约束或正则化先验。近期的努力集中于在卷积神经网络（CNN）的训练中融入此类约束，然而这迄今是在连续优化框架内完成的。然而，各种分割约束和正则化可以在离散公式中更高效地被建模和优化。本文提出一种基于交替方向乘子法（ADMM）算法的方法，以训练具有离散约束和正则化先验的CNN。该方法应用于具有弱标注的医学图像分割，其中同时强制执行尺寸约束和边界长度正则化。在基准心脏分割数据集上的实验表明，我们的方法产生的性能接近全监督。
引用
@article{arxiv.1908.05770,
title = {Discretely-constrained deep network for weakly supervised segmentation},
author = {Jizong Peng and Hoel Kervadec and Jose Dolz and Ismail Ben Ayed and Marco Pedersoli and Christian Desrosiers},
journal= {arXiv preprint arXiv:1908.05770},
year = {2019}
}