关系 U-Net
图像与视频处理
2025-01-17 v1 计算机视觉与模式识别
摘要
为实现临床解读, 本文提出一种新的多输入图像和多输出分割图及其两两关系的“带置信度输出”分割神经网络. 可从估计的关系图之间的差异对无真实标签的测试图像估计置信度分数. 本文基于广泛使用的 vanilla U-Net 实现分割, 并命名为 Relation U-Net 的新模型, 其能够输出输入图像的分割图以及无真实标签测试图像的置信度估计分数. 实验结果表明, Relation U-Net 不仅在准确率上优于 vanilla U-Net, 还能在测试图像上提供与分割准确率线性相关的置信度分数估计.
引用
@article{arxiv.2501.09101,
title = {Relation U-Net},
author = {Sheng He and Rina Bao and P. Ellen Grant and Yangming Ou},
journal= {arXiv preprint arXiv:2501.09101},
year = {2025}
}
备注
ISIB 2025