该标签有风格：处理标签风格偏差的不确定图像分割
计算机视觉与模式识别
2023-03-29 v1 机器学习
摘要
分割不确定性模型为给定输入预测合理分割结果的分布，其从训练集中的标注者差异中学习。然而实践中，这些标注在生成方式上可能存在系统性差异，例如通过使用不同的标注工具。这导致数据集中既包含数据变异性，又包含不同的标签风格。本文中，我们证明在此类数据集上应用最先进的分割不确定性模型会导致由不同标签风格引起的模型偏差。我们提出了一种条件于标注风格的更新建模目标用于偶然不确定性估计，并相应修改了两种最先进的分割不确定性架构。我们通过大量实验表明，该方法减少了标签风格偏差，同时提升了分割性能，增加了分割不确定性模型在真实场景中的适用性。我们整理了具有不同标签风格标注的两个数据集，将在发表时与代码一同公开。
引用
@article{arxiv.2303.15850,
title = {That Label's Got Style: Handling Label Style Bias for Uncertain Image Segmentation},
author = {Kilian Zepf and Eike Petersen and Jes Frellsen and Aasa Feragen},
journal= {arXiv preprint arXiv:2303.15850},
year = {2023}
}