MixPolyp：融合掩码、边界框与涂鸦监督以增强息肉分割
计算机视觉与模式识别
2024-09-26 v1
摘要
受限于昂贵的标注成本，息肉分割模型受到数据短缺的困扰。为解决此问题，我们提出了混合监督息肉分割范式（MixPolyp）。不同于依赖单一标注类型的传统模型，MixPolyp 在单一模型中结合了多种标注类型（掩码、边界框和涂鸦），从而扩大了可用数据范围并降低了标注成本。为此，MixPolyp 引入了三种新颖的监督损失来处理各类标注：子空间投影损失（L_SP）、二元最小熵损失（L_BME）和线性正则化损失（L_LR）。对于边界框标注，L_SP 消除了预测与监督之间的形状不一致性。对于涂鸦标注，L_BME 通过最小熵约束为未标记像素提供监督，从而缓解监督稀疏性。此外，L_LR 通过强制预测之间的一致性来提供密集监督，从而降低非唯一性。这些损失独立于模型结构，使其具有普遍适用性。它们仅在训练期间使用，在推理期间不增加任何计算成本。在五个数据集上的大量实验证明了 MixPolyp 的有效性。
引用
@article{arxiv.2409.16774,
title = {MixPolyp: Integrating Mask, Box and Scribble Supervision for Enhanced Polyp Segmentation},
author = {Yiwen Hu and Jun Wei and Yuncheng Jiang and Haoyang Li and Shuguang Cui and Zhen Li and Song Wu},
journal= {arXiv preprint arXiv:2409.16774},
year = {2024}
}
备注
Accepted in IEEE BIBM 2024