基于GAN的无监督分割：是否应匹配目标的精确数量
计算机视觉与模式识别
2020-10-23 v1 图像与视频处理
摘要
无监督分割是生物医学图像分析中日益流行的课题。其基本思想是将有监督分割任务转化为无监督合成问题，利用循环一致对抗学习将强度图像迁移至标注域。已有研究表明，在两域间对目标（如细胞、组织、突起等）数量进行宏观层面（全局分布层面）匹配可带来更好的分割性能。然而，此前尚无研究探讨在微观层面（小批量层面）匹配目标精确数量能否进一步提升无监督分割性能。本文提出一种基于深度学习的无监督分割方法，用于分割高度重叠且动态的亚细胞微绒毛。针对这一具挑战性的任务，我们评估了微观层面与宏观层面两种匹配策略。为在微观层面匹配目标数量，提出了一种新颖的基于荧光的微观层面匹配方法。实验结果表明，与更简单的宏观层面匹配相比，微观层面匹配并未改善分割性能。
引用
@article{arxiv.2010.11438,
title = {GAN based Unsupervised Segmentation: Should We Match the Exact Number of Objects},
author = {Quan Liu and Isabella M. Gaeta and Bryan A. Millis and Matthew J. Tyska and Yuankai Huo},
journal= {arXiv preprint arXiv:2010.11438},
year = {2020}
}