SNEMI3D 连接组学挑战赛上的超人类精度
计算机视觉与模式识别
2017-06-02 v1
摘要
过去十年，卷积网络已被用于从电子显微镜脑图像中进行神经元的三维重建。近年来，精度有了很大提高，SNEMI3D 基准挑战赛的提交结果就是明证。在此，我们报告首个超越 SNEMI3D 排行榜所提供的人类精度估计的提交结果。一个 3D U-Net 变体在预测最近邻体素间亲和度的主任务和预测长程亲和度的辅助任务上进行训练。训练数据通过模拟图像缺陷进行增强。最近邻亲和度用于创建过分割，然后基于平均亲和度贪婪地聚合超体素。所得的 SNEMI3D 分数以较大幅度超越了人类精度估计。尽管从 SNEMI3D 基准外推至大规模神经回路重建的真实世界精度时应保持谨慎，但我们的结果激发了未来可能实现全自动化的乐观情绪。
引用
@article{arxiv.1706.00120,
title = {Superhuman Accuracy on the SNEMI3D Connectomics Challenge},
author = {Kisuk Lee and Jonathan Zung and Peter Li and Viren Jain and H. Sebastian Seung},
journal= {arXiv preprint arXiv:1706.00120},
year = {2017}
}