用于彩色眼底图像硬性渗出物分割的双分支网络与双重采样调制 Dice 损失
计算机视觉与模式识别
2021-05-07 v2
摘要
彩色眼底图像中硬性渗出物的自动分割是一项具有挑战性的任务，原因在于极端的类别不平衡与巨大的尺寸变化。本文旨在解决这些问题，并提出一种带双重采样调制 Dice 损失的双分支网络。其由两个分支组成：大硬性渗出物偏置学习分支与小硬性渗出物偏置学习分支。二者分别负责各自的职责。此外，我们提出一种用于训练的双重采样调制 Dice 损失，使得我们所提双分支网络能够分割不同尺寸的硬性渗出物。具体而言，对于第一分支，我们使用均匀采样器从预测分割掩码中采样像素以计算 Dice 损失，这使得该分支自然偏向大硬性渗出物，因为 Dice 损失对大硬性渗出物误识别产生的代价大于小硬性渗出物。对于第二分支，我们使用再平衡采样器对硬性渗出物像素过采样并对背景像素欠采样以计算损失。以此方式，小硬性渗出物误识别的代价被放大，从而迫使第二分支中的参数良好拟合小硬性渗出物。考虑到大硬性渗出物远比小硬性渗出物更易被正确识别，我们提出一种由易到难的学习策略，通过自适应调制两分支损失实现。我们在两个公开数据集上评估所提方法，结果表明我们的方法取得了 SOTA 性能。
引用
@article{arxiv.2012.01665,
title = {Dual-Branch Network with Dual-Sampling Modulated Dice Loss for Hard Exudate Segmentation from Colour Fundus Images},
author = {Qing Liu and Haotian Liu and Yixiong Liang},
journal= {arXiv preprint arXiv:2012.01665},
year = {2021}
}