用于眼图像分割的半监督学习
计算机视觉与模式识别
2021-03-18 v1
摘要
基于表观的模型近期进展在诸如睫毛、眼睑或相机放置导致的遮挡以及角膜和眼镜上的环境反射等困难场景中展现出改进的眼动追踪性能。改进的关键原因在于对眼部部件（瞳孔、虹膜和巩膜区域）准确而鲁棒的识别。准确率的提升常以标注海量数据集为代价，而后者复杂且耗时。本工作提出两种半监督学习框架，在标注数据集稀缺时利用无标注图像识别眼部部件。借助这些框架，结合领域特定的增强与用于图像分割的新颖空间变化变换，我们在多种测试案例中展示了性能提升。例如，对于仅用 48 张标注图像训练的模型，这些框架相较仅用标注数据集训练的基础模型在分割性能上分别提升了 0.38% 和 0.65%。
引用
@article{arxiv.2103.09369,
title = {Semi-Supervised Learning for Eye Image Segmentation},
author = {Aayush K. Chaudhary and Prashnna K. Gyawali and Linwei Wang and Jeff B. Pelz},
journal= {arXiv preprint arXiv:2103.09369},
year = {2021}
}