InvNorm：用于胃肠内镜中目标检测的域泛化
图像与视频处理
2022-05-09 v1 计算机视觉与模式识别
摘要
域泛化是计算机视觉中一个具有挑战性的课题，尤其在胃肠内镜图像分析中。由于若干设备限制和伦理原因，当前开源数据集通常在使用同品牌传感器、有限数量患者上采集。不同品牌设备及个体差异会显著影响模型泛化能力。因此，为解决胃肠（GI）内镜中的泛化问题，我们提出了一个多域 GI 数据集以及一个轻量、可插拔模块 InvNorm（可逆归一化），其可在任意结构中取得更好的泛化性能。先前域泛化（DG）方法无法实现可逆变换，会导致一些误导性增强。此外，这些模型更可能引发医学伦理问题。我们的方法利用归一化流实现可逆且可解释的样式归一化以解决该问题。InvNorm 的有效性在广泛任务上得到验证，包括 GI 识别、GI 目标检测及自然图像识别。
引用
@article{arxiv.2205.02842,
title = {InvNorm: Domain Generalization for Object Detection in Gastrointestinal Endoscopy},
author = {Weichen Fan and Yuanbo Yang and Kunpeng Qiu and Shuo Wang and Yongxin Guo},
journal= {arXiv preprint arXiv:2205.02842},
year = {2022}
}