面向生物图像的目标引导实例分割与辅助特征细化

实例分割对许多生物应用至关重要，例如神经细胞相互作用研究、植物表型分析以及定量测量细胞对药物处理的反应。本文提出一种新颖的基于边界框的实例分割方法。基于边界框的实例分割方法通过边界框捕获目标，然后在每个边界框区域内执行独立分割。然而，现有方法由于同一边界框内相邻目标纹理相似且边界低对比度，难以将目标与其相邻对象区分开。为解决该问题，本文提出一种目标引导的实例分割方法。我们的方法首先检测目标中心点，并由此预测边界框参数。为执行分割，我们沿检测分支构建了一个目标引导的由粗到细分割分支。该分割分支复用目标特征作为引导，以在同一边界框区域内将目标对象与相邻对象分离。为进一步提升分割质量，我们设计了一个辅助特征细化模块，对边界区域中的逐点特征进行密集采样与细化。在三个生物图像数据集上的实验结果证明了本方法的优势。代码将发布于 https://github.com/yijingru/ObjGuided-Instance-Segmentation。