Enhancing Boundary Segmentation for Topological Accuracy with Skeleton-based Methods

要約

トポロジーの一貫性は、ニューロン電子顕微鏡画像の細胞膜セグメンテーション、材料顕微鏡画像の粒界セグメンテーション、航空画像の道路セグメンテーションなど、網状画像の境界セグメンテーションのタスクにおいて重要な役割を果たします。
これらの分野では、セグメンテーション結果のトポロジカルな変化が下流のタスクに重大な影響を及ぼし、境界自体のずれを超える可能性もあります。
セグメンテーション結果のトポロジー精度を向上させるために、Skea-Topo Aware 損失を提案します。これは、各オブジェクトの形状とピクセルのトポロジー的重要性を考慮した新しい損失関数です。
これは 2 つのコンポーネントで構成されます。
まず、スケルトンを意識した加重損失により、スケルトンを使用してオブジェクトのジオメトリをより適切にモデル化することでセグメンテーションの精度が向上します。
第 2 に、境界修正項は、グラウンド トゥルースと予測の前景と背景の両方のスケルトンを使用して、予測誤差内のトポロジカル クリティカル ピクセルを効果的に特定し、強調します。
実験では、3 つの異なる境界セグメンテーション データセットにわたる客観的および主観的な評価に基づいて、私たちの方法が 13 の最先端の方法と比較して VI でトポロジーの一貫性を最大 7 ポイント向上させることが証明されています。
コードは https://github.com/clovermini/Skea_topo で入手できます。

要約(オリジナル)

Topological consistency plays a crucial role in the task of boundary segmentation for reticular images, such as cell membrane segmentation in neuron electron microscopic images, grain boundary segmentation in material microscopic images and road segmentation in aerial images. In these fields, topological changes in segmentation results have a serious impact on the downstream tasks, which can even exceed the misalignment of the boundary itself. To enhance the topology accuracy in segmentation results, we propose the Skea-Topo Aware loss, which is a novel loss function that takes into account the shape of each object and topological significance of the pixels. It consists of two components. First, a skeleton-aware weighted loss improves the segmentation accuracy by better modeling the object geometry with skeletons. Second, a boundary rectified term effectively identifies and emphasizes topological critical pixels in the prediction errors using both foreground and background skeletons in the ground truth and predictions. Experiments prove that our method improves topological consistency by up to 7 points in VI compared to 13 state-of-art methods, based on objective and subjective assessments across three different boundary segmentation datasets. The code is available at https://github.com/clovermini/Skea_topo.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google