Icon：一种训练深度神经网络以分割神经元结构的交互式方法
计算机视觉与模式识别
2016-10-31 v1
摘要
我们提出一种交互式方法来训练深度神经网络像素分类器以分割神经元结构。交互式训练方案减少了深度网络在图像分割问题上表现良好通常所需的极其繁琐的手动标注任务。我们提出的方法采用一个反馈回路，该回路使用图形用户界面捕获稀疏标注，基于近期和过去的标注训练深度神经网络，并几乎实时地向用户显示预测输出。我们对该算法的实现还允许多个用户并行提供标注并从同一分类器接收反馈。在交互式环境中对分类器性能的快速反馈使用户能够识别并标注比其他标注对分割目的更重要的样本。我们的实验表明，在电子显微镜（EM）图像上，交互式训练的像素分类器产生的区域分割结果优于相同架构网络在详尽真值标签上离线训练所生成的结果。
引用
@article{arxiv.1610.09032,
title = {Icon: An Interactive Approach to Train Deep Neural Networks for Segmentation of Neuronal Structures},
author = {Felix Gonda and Verena Kaynig and Ray Thouis and Daniel Haehn and Jeff Lichtman and Toufiq Parag and Hanspeter Pfister},
journal= {arXiv preprint arXiv:1610.09032},
year = {2016}
}