面向显微图像分类的类间相似与类内方差问题处理
计算机视觉与模式识别
2021-09-27 v1
摘要
水生微生物的自动分类基于从单个图像中提取的形态特征。当前对其分类的工作未考虑导致误分类的类间相似性与类内方差。我们特别关注因显微图像中离散视觉变化而发生的类内方差情形。本文中，我们提出基于视觉特征对高方差类别进行划分以应对该问题。我们的算法自动决定待创建子类别的最优数量，并将每个子类别视为独立类别用于训练。如此，网络学习到更细粒度的视觉特征。我们在淡水底栖硅藻与海洋浮游生物两个数据库上的实验表明，我们的方法在这些水生微生物的分类上优于最先进的（SOTA）方法。
引用
@article{arxiv.2109.11891,
title = {Tackling Inter-Class Similarity and Intra-Class Variance for Microscopic Image-based Classification},
author = {Aishwarya Venkataramanan and Martin Laviale and Cécile Figus and Philippe Usseglio-Polatera and Cédric Pradalier},
journal= {arXiv preprint arXiv:2109.11891},
year = {2021}
}
备注
13th International Conference on Computer Vision Systems (2021)