在关键点定位中用高斯热图建模标注不确定性
计算机视觉与模式识别
2021-09-22 v2 机器学习
摘要
在关键点定位中，由于定义其精确位置存在歧义，关键点标注可能受到较大的观察者变异性影响，从而导致不确定的标注。为建模训练数据集的标注歧义，我们提出在优化过程中学习各向异性高斯参数以建模目标热图的形状。此外，我们的方法通过在推理时将各向异性高斯函数拟合到预测热图，对单个样本的预测不确定性进行建模。除取得最先进结果外，我们在手放射影像与侧位头颅影像数据集上的实验还表明，高斯函数与定位精度及观察者变异性均相关。作为最后一项实验，我们通过测量预测位置不确定性对侧位头颅影像中解剖异常分类的影响，展示了将不确定性整合到决策中的重要性。
引用
@article{arxiv.2109.09533,
title = {Modeling Annotation Uncertainty with Gaussian Heatmaps in Landmark Localization},
author = {Franz Thaler and Christian Payer and Martin Urschler and Darko Stern},
journal= {arXiv preprint arXiv:2109.09533},
year = {2021}
}
备注
Accepted for publication at the Journal of Machine Learning for Biomedical Imaging (MELBA) https://melba-journal.org