基于边缘的自监督半监督少样本显微图像细胞分割
计算机视觉与模式识别
2022-08-04 v1 机器学习
摘要
深度神经网络目前在显微图像细胞分割中可提供有前景的结果，但其需要大规模标注数据库，这是一个昂贵且耗时的过程。在本工作中，我们通过将自监督与半监督学习结合来放宽标注要求。我们提出预测基于边缘的图来对无标注图像的训练进行自监督，并将其与少量标注图像的有监督训练相结合以学习分割任务。在实验中，我们在一个少样本显微图像细胞分割基准上评估，表明仅少量标注图像（例如原始训练集的 10%）就足以使我们的方法在 1- 至 10-shot 下达到与全标注数据库相似的性能。我们的代码与训练好的模型已公开可用。
引用
@article{arxiv.2208.02105,
title = {Edge-Based Self-Supervision for Semi-Supervised Few-Shot Microscopy Image Cell Segmentation},
author = {Youssef Dawoud and Katharina Ernst and Gustavo Carneiro and Vasileios Belagiannis},
journal= {arXiv preprint arXiv:2208.02105},
year = {2022}
}
备注
Accepted by MOVI 2022