BoxPolyp: Boost Generalized Polyp Segmentation Using Extra Coarse Bounding Box Annotations
摘要
- 在本文中,提出了一种增强的BoxPolyp模型使用精确掩码和超粗框注释。在实践中,应用框注释来缓解先前息肉分割模型的过拟合问题,该模型通过迭代增强分割模型生成细粒度的息肉区域。
- 首先提出了一种融合滤波器采样(FFS)模块,用于从具有较少噪声的框注释中生成逐像素伪标签,从而显著提高了性能。
- 考虑到同一息肉的外观一致性,设计了图像一致性(IC)损失。这样的IC损失明确地缩小了由两个不同网络提取的特征之间的距离,这提高了模型的鲁棒性。
本文方法
首先,使用在小息肉分割数据集上训练的SANet[23]来预测每个方框注释图像的像素掩码。然后,FFS模块将预测的掩码和框注释相结合,以获得作为伪标签的确定区域。对于不确定性区域,我们提出了IC损失,以减少从两个不同主干提取的特征之间的距离
(a) 使用融合滤波器采样模块生成精细的伪掩模,该模块由前景、背景和不确定区域组成。(b) 对确定区域和不确定区域的不同监管。文章来源:https://www.toymoban.com/news/detail-436620.html
实验结果
文章来源地址https://www.toymoban.com/news/detail-436620.html
到了这里,关于BoxPolyp:使用超粗边界框注释的提升广义多边形分割的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!