关于适配分割网络的直接分布匹配
计算机视觉与模式识别
2021-11-29 v2
摘要
在图像分类的域适配中，最小化分布匹配损失是一种基于原理的方法。然而，在适配分割网络时它很大程度上被忽视，目前该领域由对抗模型主导。我们提出了一类损失函数，其鼓励在网络输出空间中进行直接的核密度匹配，直至由无标签输入计算出的一些几何变换。我们的直接方法不使用中间的域判别器，而是将分布匹配与分割统一在单一损失中。因此，它通过避免额外的对抗步骤简化了分割适配，同时提升了训练的质量、稳定性和效率。我们将我们的方法与通过网络输出空间对抗训练实现的最先进分割适配方法并列比较。在将脑分割跨不同磁共振图像（MRI）模态适配这一挑战性任务中，我们的方法在准确性和稳定性方面均取得了显著更好的结果。
引用
@article{arxiv.1904.02657,
title = {On Direct Distribution Matching for Adapting Segmentation Networks},
author = {Georg Pichler and Jose Dolz and Ismail Ben Ayed and Pablo Piantanida},
journal= {arXiv preprint arXiv:1904.02657},
year = {2021}
}
备注
includes appendix; published at MIDL2020: https://2020.midl.io/papers/pichler20.html