基于小波与多分辨率分析的次像素目标分割
计算机视觉与模式识别
2021-10-29 v1 图像与视频处理
摘要
我们提出一种新颖的深度学习框架，利用小波与多分辨率分析(MRA)快速预测二维单连通域的边界。边界使用小波与所谓金字塔算法建模为（分段）光滑闭曲线。我们的网络架构是 U-Net 的混合类比，其中下采样路径为带有可学习滤波器的二维编码器，上采样路径为一维解码器，从低分辨率到高分辨率层级构建曲线。任何由 MRA 诱导的小波基均可使用。这种灵活性允许引入关于曲线光滑性的先验。所提方法的有效性通过使用 Debauches 小波描绘医学图像中单连通域（器官）边界并与 U-Net 基线比较得以展示。我们的模型推理速度较 U-Net 最高快 5 倍，同时在 Dice 分数与 Hausdorff 距离方面保持相似性能。
引用
@article{arxiv.2110.15233,
title = {Subpixel object segmentation using wavelets and multi resolution analysis},
author = {Ray Sheombarsing and Nikita Moriakov and Jan-Jakob Sonke and Jonas Teuwen},
journal= {arXiv preprint arXiv:2110.15233},
year = {2021}
}
备注
19 pages, 10 figures, 1 table