多视角观察：多方案回归引导的细胞实例分割
计算机视觉与模式识别
2022-08-18 v1
摘要
细胞实例分割是一项新颖且具有挑战性的任务，旨在对图像中每个细胞进行联合检测与分割。近年来，许多实例分割方法已应用于该任务。尽管取得了巨大成功，由细胞中心点定位的不确定性引起的两个主要弱点仍然存在。首先，密集堆积的细胞容易被识别为一个细胞。其次，细长细胞容易被识别为两个细胞。为克服这两个弱点，我们提出了一种基于多方案回归引导的新型细胞实例分割网络。借助多方案回归引导，网络能够从不同视角观察每个细胞。具体而言，我们首先提出高斯引导注意力机制，利用高斯标签引导网络注意力。随后提出点回归模块以辅助细胞中心的回归。最后，我们利用上述两个模块的输出进一步引导实例分割。通过多方案回归引导，我们可以充分利用不同区域的特征，尤其是细胞的中心区域。我们在基准数据集 DSB2018、CA2.5 和 SCIS 上进行了大量实验。令人鼓舞的结果表明，我们的网络达到了 SOTA（当前最优）性能。在 DSB2018 和 CA2.5 上，我们的网络以 1.2%（AP50）的优势超越先前方法。特别是在 SCIS 数据集上，我们的网络表现更强，大幅领先（AP50 高出 3.0%）。可视化与分析进一步证明我们提出的方法具有可解释性。
引用
@article{arxiv.2208.08078,
title = {Look in Different Views: Multi-Scheme Regression Guided Cell Instance Segmentation},
author = {Menghao Li and Wenquan Feng and Shuchang Lyu and Lijiang Chen and Qi Zhao},
journal= {arXiv preprint arXiv:2208.08078},
year = {2022}
}
备注
7 pages, 8 figures