三维分割中的形态学错误检测
计算机视觉与模式识别
2017-06-01 v1 人工智能
神经元与认知
机器学习
摘要
用于连接组学的深度学习算法依赖于局部分类，而非整体形态学。这导致错误合并的对象发生率很高。相比之下，人类可以通过获取对对象正确形态的直觉来轻松检测此类错误。生物神经元具有复杂多变的形状，难以学习，且合并错误呈现出多种不同形式。我们提出了一种名为 MergeNet 的算法，该算法表明三维卷积网络实际上可以从高层神经元形态中检测合并错误。MergeNet 采用无监督训练，并可跨数据集运行。我们展示了 MergeNet 在多种连接组学数据以及由合并的 MNIST 图像创建的数据集上的性能。
引用
@article{arxiv.1705.10882,
title = {Morphological Error Detection in 3D Segmentations},
author = {David Rolnick and Yaron Meirovitch and Toufiq Parag and Hanspeter Pfister and Viren Jain and Jeff W. Lichtman and Edward S. Boyden and Nir Shavit},
journal= {arXiv preprint arXiv:1705.10882},
year = {2017}
}
备注
13 pages, 6 figures