arXiv · Machine Learning· Armin Dadras, Robert Sablatnig, Franziska Proksa, Markus Seidl·· 8 小时前AI 评分43
单标注、多假设分割：Semantic-Spatial Residual Bank（SSRB）
Single-Annotation, Multi-Hypothesis Segmentation with Semantic-Spatial Residual Banks
AI 导读
研究提出 Semantic-Spatial Residual Bank（SSRB），在每张训练图像仅有一个固定掩码的约束下，生成覆盖测试阶段多个人类标注的有限掩码集合。五个医学终点实验显示，K=8 时 SSRB 相比同样单标注约束下的 Probabilistic U-Net 有更高的掩码覆盖率；在 LIDC 和 LIDC-hard 上生成更多有用的不同掩码，并在 BSDS 上保持区域分组性能。
来源：arXiv · Machine Learning · arxiv.org