利用类别比例进行负伪标注的病理图像语义分割
计算机视觉与模式识别
2020-07-17 v1
摘要
我们提出了一种弱监督细胞追踪方法，该方法仅使用“细胞检测”标注（即细胞位置坐标）而不使用关联信息来训练卷积神经网络（CNN），其中细胞位置可通过核染色轻松获得。首先，我们使用弱标签训练一个共检测CNN，该CNN可检测连续帧中的细胞。我们的关键假设是，共检测CNN除了检测外还隐式地学习关联。为获取关联信息，我们提出了一种反向与正向传播方法，用于分析共检测CNN输出的检测图中细胞位置的对应关系。实验表明，所提方法可通过分析共检测CNN来匹配位置。尽管该方法仅使用弱监督，其性能与最先进的监督方法几乎相同。
引用
@article{arxiv.2007.08044,
title = {Negative Pseudo Labeling using Class Proportion for Semantic Segmentation in Pathology},
author = {Hiroki Tokunaga and Brian Kenji Iwana and Yuki Teramoto and Akihiko Yoshizawa and Ryoma Bise},
journal= {arXiv preprint arXiv:2007.08044},
year = {2020}
}
备注
17 pages, 7 figures, Accepted in ECCV 2020