ReFit：一种利用物体边界拟合对医学图像弱监督语义分割进行精化的框架
计算机视觉与模式识别
2023-09-21 v4 机器学习
摘要
仅依赖图像级监督的弱监督语义分割（WSSS）是一种有前景的方法，用以应对对分割网络的需求，特别是为给定数据集生成大量像素级掩码。然而，大多数最先进的图像级 WSSS 技术缺乏对图像中几何特征的理解，因为网络无法仅从图像级标签推导出任何物体边界信息。我们此处将边界定义为分隔物体与其背景、或两个不同物体的线。为解决此缺陷，我们提出新颖的 ReFit 框架，其部署最先进的类激活图并结合各种后处理技术，以实现细粒度更高精度的分割掩码。为此，我们研究一个最先进的无人监督分割网络，可用于构建边界图，使 ReFit 能以更锐利的边界预测物体位置。通过将我们的方法应用于 WSSS 预测，我们在医学成像上相较当前最先进 WSSS 方法实现了高达 10% 的提升。该框架是开源的，以确保我们的结果可复现，并在线可访问于 https://github.com/bharathprabakaran/ReFit。
引用
@article{arxiv.2303.07853,
title = {ReFit: A Framework for Refinement of Weakly Supervised Semantic Segmentation using Object Border Fitting for Medical Images},
author = {Bharath Srinivas Prabakaran and Erik Ostrowski and Muhammad Shafique},
journal= {arXiv preprint arXiv:2303.07853},
year = {2023}
}
备注
Accepted for Publication at the International Symposium on Visual Computing (ISVC), October 2023, Lake Tahoe, NV, USA