面向 MIDOG 2022 挑战赛的径向预测域适应分类器
计算机视觉与模式识别
2023-09-14 v2
摘要
本文介绍了我们为检测有丝分裂细胞而参与的 MIDOG 2022 挑战赛的工作。MIDOG 2022 挑战赛需解决的主要问题之一，是在组织病理学领域真实数据所呈现的自然方差下的鲁棒性。针对该问题，我们采用改进的 YOLOv5s 模型进行目标检测，并结合一种新的域适应分类器（DAC）变体——径向预测 DAC（Radial-Prediction-DAC），以在域偏移下实现鲁棒性。此外，我们利用 HED 色彩空间中的染色增强来增加可用训练数据的变异性。使用所提方法，我们在测试集上获得了 0.6658 的 F1 分数。
引用
@article{arxiv.2208.13902,
title = {Radial Prediction Domain Adaption Classifier for the MIDOG 2022 Challenge},
author = {Jonas Annuscheit and Christian Krumnow},
journal= {arXiv preprint arXiv:2208.13902},
year = {2023}
}
备注
Contribution to the MIDOG-2022-Challenge