Hot-Distance: 结合独热编码和有符号距离嵌入用于分割
计算机视觉与模式识别
2024-06-27 v1 机器学习
图像与视频处理
定量方法
摘要
机器学习模型的好坏取决于其拟合的数据。因此，在训练模型时尽可能多地使用数据总是更可取的。哪些数据可用于拟合模型在很大程度上取决于任务的表述。我们引入了Hot-Distance，一种新颖的分割目标，它结合了有符号边界距离预测的优势和独热编码的灵活性，以增加可用于聚焦离子束扫描电子显微镜（FIB-SEM）中亚细胞结构分割的训练数据量。
引用
@article{arxiv.2406.17936,
title = {Hot-Distance: Combining One-Hot and Signed Distance Embeddings for Segmentation},
author = {Marwan Zouinkhi and Jeff L. Rhoades and Aubrey V. Weigel},
journal= {arXiv preprint arXiv:2406.17936},
year = {2024}
}
备注
3 pages, 1 figure, in progress