学习型分水岭：种子分割的端到端学习
计算机视觉与模式识别
2017-09-05 v2
摘要
已知学习得到的边界图作为分水岭算法的基础优于手工设计的边界图。我们首次展示了如何联合训练分水岭计算与边界图预测。合并优先级的估计器被构建为一个在空间上卷积、在迭代上循环的神经网络。后者允许学习复杂的形状先验。该方法在CREMI分割挑战上给出了已知最佳的种子分割结果。
引用
@article{arxiv.1704.02249,
title = {Learned Watershed: End-to-End Learning of Seeded Segmentation},
author = {Steffen Wolf and Lukas Schott and Ullrich Köthe and Fred Hamprecht},
journal= {arXiv preprint arXiv:1704.02249},
year = {2017}
}
备注
The first two authors contributed equally