PatchPerPix for Instance Segmentation

要約

画像の大部分にまたがる洗練されたオブジェクト形状を処理し、クロスオーバーを伴う密集したオブジェクト クラスターを形成できる、提案の自由なインスタンス セグメンテーションの新しい方法を提示します。
私たちの方法は、密な局所形状記述子を予測することに基づいており、それを集めてインスタンスを形成します。
すべてのインスタンスは一度に同時に組み立てられます。
私たちの知る限り、私たちの方法は、学習した形状パッチで構成されるインスタンスを生成する最初の非反復方法です。
さまざまな範囲のデータ ドメインでこの方法を評価し、4 つのベンチマーク、すなわち ISBI 2012 EM セグメンテーション ベンチマーク、BBBC010 C. elegans データセット、および 2D および 3D 蛍光顕微鏡データの最新技術を定義します。
細胞核。
さらに、複雑な形状のクラスターの極端なケースを示すショウジョウバエのニューロンの 3 d 光学顕微鏡データにも、この方法が適用されることを示します。

要約(オリジナル)

We present a novel method for proposal free instance segmentation that can handle sophisticated object shapes which span large parts of an image and form dense object clusters with crossovers. Our method is based on predicting dense local shape descriptors, which we assemble to form instances. All instances are assembled simultaneously in one go. To our knowledge, our method is the first non-iterative method that yields instances that are composed of learnt shape patches. We evaluate our method on a diverse range of data domains, where it defines the new state of the art on four benchmarks, namely the ISBI 2012 EM segmentation benchmark, the BBBC010 C. elegans dataset, and 2d as well as 3d fluorescence microscopy data of cell nuclei. We show furthermore that our method also applies to 3d light microscopy data of Drosophila neurons, which exhibit extreme cases of complex shape clusters

arxiv情報

提供元, 利用サービス

arxiv.jp, Google