RLCorrector：基于强化学习的细胞级显微图像分割校对器
计算机视觉与模式识别
2022-03-14 v2
摘要
纳米尺度电子显微镜（EM）图像的分割在连接组学研究中至关重要但仍具挑战。原因之一在于现有分割方法均非无错，因而需要校对，其通常实现为通过人工干预的交互式半自动过程。本文提出一种基于强化学习的全自动校对方法，模拟人类检测、分类与修正分割错误的决策过程。我们通过层次化组合多个强化学习智能体来系统设计并提出该系统，其中每个智能体仅聚焦于特定任务，同时保持智能体间的依赖关系。此外，我们展示了强化学习的片段式任务设定可有效并发处理输入中同时出现的合并与分裂错误。我们在多种测试案例上将其与传统校对方法比较，证明了所提系统的有效性。
引用
@article{arxiv.2106.05487,
title = {RLCorrector: Reinforced Proofreading for Cell-level Microscopy Image Segmentation},
author = {Khoa Tuan Nguyen and Ganghee Jang and Tran Anh Tuan and Won-ki Jeong},
journal= {arXiv preprint arXiv:2106.05487},
year = {2022}
}
备注
Submitted to MICCAI 2022