MultiStar：基于星凸多边形重叠目标的实例分割方法
计算机视觉与模式识别
2021-01-15 v2 图像与视频处理
摘要
生物医学图像中重叠目标的实例分割仍是一个很大程度上未解决的问题。我们应对这一挑战，提出MultiStar，即流行的实例分割方法StarDist的扩展。我们方法的关键新颖之处在于识别目标重叠处的像素，并利用该信息改进候选采样，避免抑制真正重叠目标的候选。这使我们能将StarDist的思想应用于含重叠目标的图像，同时相较已有方法仅产生少量额外开销。MultiStar在两个数据集上展现出有前景的结果，并具有采用简单且易于训练的网络架构的优势。
引用
@article{arxiv.2011.13228,
title = {MultiStar: Instance Segmentation of Overlapping Objects with Star-Convex Polygons},
author = {Florin C. Walter and Sebastian Damrich and Fred A. Hamprecht},
journal= {arXiv preprint arXiv:2011.13228},
year = {2021}
}
备注
Accepted for ISBI 2021