基于 Transformer 的高分辨率培养皿图像微生物检测
计算机视觉与模式识别
2023-08-22 v2
摘要
许多医疗或制药流程对持续卫生监测有严格规范。这通常涉及由受训人员手动计数培养皿中微生物的繁重任务。自动化尝试常因重大挑战而受挫：显著的尺度差异、低分离度、低对比度等。为应对这些挑战，我们引入 AttnPAFPN，一种利用新型 Transformer 变体——高效全局自注意力机制的高分辨率检测流程。我们精简的方法可轻松集成于几乎所有多尺度目标检测流程中。在公开可用的 AGAR 数据集上的综合评估中，我们展示了我们的网络优于当前最先进方法的精度。为证明我们方法的任务无关性能，我们在 COCO 与 LIVECell 数据集上进行了进一步实验。
引用
@article{arxiv.2308.09436,
title = {Transformer-based Detection of Microorganisms on High-Resolution Petri Dish Images},
author = {Nikolas Ebert and Didier Stricker and Oliver Wasenmüller},
journal= {arXiv preprint arXiv:2308.09436},
year = {2023}
}
备注
This paper has been accepted at IEEE International Conference on Computer Vision Workshops (ICCV workshop), 2023