基于关键点图的边界框多尺度细胞实例分割
计算机视觉与模式识别
2019-07-29 v2
摘要
大多数现有方法直接处理细胞实例分割问题而不依赖额外的检测框。这些方法通常由于缺乏对象的全局理解而难以分离相互接触的细胞。相比之下，基于框的实例分割通过将目标检测与分割相结合来解决该问题。然而，现有方法通常采用基于锚框的检测器，会因类别不平衡问题导致较差的实例分割性能。本文提出一种新的基于框的细胞实例分割方法。具体而言，我们首先通过关键点检测检测出细胞的五个预定义点，然后根据关键点图对这些点进行分组，并随后提取每个细胞的边界框。最后，在边界框内的特征图上执行细胞分割。我们在两个具有不同对象形状的细胞数据集上验证了我们的方法，并实证展示了相比其他实例分割技术的优越性。代码见：https://github.com/yijingru/KG_Instance_Segmentation。
引用
@article{arxiv.1907.09140,
title = {Multi-scale Cell Instance Segmentation with Keypoint Graph based Bounding Boxes},
author = {Jingru Yi and Pengxiang Wu and Qiaoying Huang and Hui Qu and Bo Liu and Daniel J. Hoeppner and Dimitris N. Metaxas},
journal= {arXiv preprint arXiv:1907.09140},
year = {2019}
}
备注
accepted by MICCAI 2019