基于小型视觉提示的一次性且部分监督的细胞图像分割
计算机视觉与模式识别
2023-04-18 v1
摘要
利用深度学习对显微细胞图像进行语义分割是一项重要技术，但其训练需要大量图像与真值标签。为解决上述问题，我们考虑以尽可能少的数据实现高效学习框架，并提出两类学习策略：仅用单张训练样本即可学习的一次性分割，以及对部分图像仅赋予标注的部分监督分割。此外，受近期提示学习研究的启发，我们引入使用小型提示图像的新颖分割方法。所提方法使用仅基于细胞图像预训练的模型，并通过注意力机制将提示图像对的信息传递给待分割的目标图像，从而能够在降低标注成本负担的同时实现高效学习。在三类显微细胞图像数据集上的实验表明，与传统方法相比，所提方法提升了Dice分数系数(DSC)。
引用
@article{arxiv.2304.07991,
title = {One-shot and Partially-Supervised Cell Image Segmentation Using Small Visual Prompt},
author = {Sota Kato and Kazuhiro Hotta},
journal= {arXiv preprint arXiv:2304.07991},
year = {2023}
}
备注
Accepted at CVPR2023: 8th IEEE Workshop on Computer Vision for Microscopy Image Analysis (CVMI)