利用定制样本迭代训练分割管状结构
计算机视觉与模式识别
2023-09-19 v1
摘要
我们提出一种最小路径方法，以同时计算具有线拓扑的管状结构的分割掩码并提取其中心线。最小路径方法广泛应用于各类应用中的管状结构分割。近期方法使用 CNN 提取的特征，常优于使用手工调参特征的方法。然而，对于基于 CNN 的方法，用于训练的样本可能生成不当，以致其与推理时遇到的样本差异很大。我们通过引入一种新颖的迭代训练方案来解决此差异，其能在不改动现有标注的情况下，生成专门为该最小路径方法定制的更优训练样本。在我们的方法中，分割掩码与中心线并非通过后处理依次确定，而是经由相同步骤获得。我们的方法仅需极少量标注训练图像。在三个公共数据集（包括卫星图像与医学图像）上与七种先前方法的比较表明，我们的方法在分割掩码与中心线方面均取得了最先进的成果。
引用
@article{arxiv.2309.08727,
title = {Segmentation of Tubular Structures Using Iterative Training with Tailored Samples},
author = {Wei Liao},
journal= {arXiv preprint arXiv:2309.08727},
year = {2023}
}
备注
Accepted to IEEE/CVF International Conference on Computer Vision (ICCV), Paris, 2023