用于种子图像分割的端到端学习随机游走算法
计算机视觉与模式识别
2019-05-23 v1 机器学习
摘要
我们提出一种用于种子分割的端到端学习算法。我们的方法基于随机游走（Random Walker）算法，其中我们使用卷积神经网络预测底层图的边权。这可解释为为线性扩散过程学习依赖于上下文的扩散系数。除了计算用于优化这些扩散系数的精确梯度外，我们还提出了稀疏采样梯度且仍能给出有竞争力结果的简化方法。所提方法在 CREMI 神经元分割挑战赛的种子版本上取得了当前最佳结果。
引用
@article{arxiv.1905.09045,
title = {End-to-End Learned Random Walker for Seeded Image Segmentation},
author = {Lorenzo Cerrone and Alexander Zeilmann and Fred A. Hamprecht},
journal= {arXiv preprint arXiv:1905.09045},
year = {2019}
}