Jan, 2024

基于骨架辅助的显微镜细分微细分割

PDF
TL;DR通过提出一种名为 A2B-IS 的新框架，结合高斯骨架图和半监督学习策略，我们解决了显微镜图像分析中实例分割的一个基本挑战，使得模型在处理群集区域，连接的多个不同大小和形状的目标以及任意方向重叠的情况下能够获得更高的准确度。
microscopy image analysisinstance segmentationa2b-isgaussian skeleton mapsemi-supervised learning
发现论文，激发创造
  • 生物图像的物体引导实例分割

    本文提出了一种基于盒子的实例分割方法，通过引入目标检测和实例规范化技术，实现在生物图像识别中更准确的实例分割。

    Nov, 2019

  • 边界感知实例分割

    该论文介绍了一种基于距离变换的对象段表示方法和基于残差解卷积结构的对象掩码网络，实现了跨越边界框的对象分割；并将其整合到一个多任务网络级联框架中，学习了最终二进制对象掩码。实验表明，这种方法在目标生成和实例分割方面优于现有的技术。

    Dec, 2016

  • BAISeg：边界辅助的弱监督实例分割

    我们提出了一种新的弱监督实例分割方法，通过预测类不可知的实例边界而不是实例中心点来识别实例，进一步增强了实例边界的连续性和闭合性，并且在只使用像素级注释的情况下取得了可观的性能。

    May, 2024

  • 边界中的恶魔：利用边界表示进行基于基底的实例分割

    本研究提出了基于 Boundary Basis 的单阶段实例分割 (B2Inst)，使用全局边界表示来补充现有的全局掩码方法，引入了一个能够评估每个实例预测的网络块，可以提高实例边界的识别精度，并在 COCO 数据集上，与同样基于 ResNet-50 和 ResNet-101 的现有最先进方法相比，取得了一致的改进。

    Nov, 2020

  • 基于关键点图的多尺度细胞实例分割

    本文提出了一种基于关键点检测的、基于框的细胞实例分割方法，它将细胞检测问题转化为关键点检测问题，再结合检测框及特征图进行细胞分割，相较于其他实例分割技术表现出更好的性能。

    Jul, 2019

  • 基于盒状提示的完全遮挡和密集物体实例分割基础模型

    提出了 CFNet 模型用于完全遮挡和密集目标的分割任务，该模型基于盒子提示的分割基础模型，首先通过检测有方向的边界框来进行粗略的实例定位，然后通过预测与边界框提示相关的掩码进行精细的分割，并利用先验几何属性来预测完全遮挡的目标实例，同时通过基于盒子提示的分割基础模型减少了对边界框检测性能的依赖，从而提高了密集目标的分割效果。

    Jan, 2024

  • 基于图像级监督学习的实例分割：口罩在哪里？

    本文提出了一种使用图像级别标签进行实例分割的新框架，其中分为两个阶段，分别是训练分类器生成伪掩模并在这些伪掩模上训练完全监督的 Mask R-CNN。在 PASCAL VOC 2012 数据集上进行实验，相对于现有方法说明主要性能提高。

    Jul, 2019

  • 深度引导的半监督实例分割

    半监督实例分割的深度引导框架中，深度特征融合和深度控制器的引入提高了模型对深度信息的理解和有效利用，实验证明了方法的有效性，并在 COCO 数据集上优于之前的方法，取得了新的性能指标。

    Jun, 2024

  • 弱监督语义分割的细粒度背景表示

    该研究提出了一种简单的精细背景表示方法，通过开发一个新颖的原始负区域感兴趣（NROI）来捕捉细粒度的背景语义信息，并进行像素与负区域对比，从而区分混淆的背景像素，实现了在各种弱监督语义分割设置下的新的最先进结果。

    Jun, 2024

  • 实例级显著目标分割

    本篇论文介绍了如何通过使用深度卷积神经网络，建立图像中的显著性实例分割方法，通过一个多尺度显著实例分割网络生成高质量的显著性分割结果，并在公共基准测试中取得了最优的结果。

    Apr, 2017