MonoBox: Tightness-free Box-supervised Polyp Segmentation using Monotonicity Constraint

要約

私たちは、単調性によって制約された革新的なボックス教師ありセグメンテーション手法である MonoBox を提案し、ユーザーにとって不親切なボックスのタイトさの仮定からトレーニングを解放します。
ボックスのエッジがターゲットの境界に正確に接触する必要がある従来のボックス監視セグメンテーションとは対照的に、MonoBox は不正確に注釈が付けられたボックスを活用して、堅牢なピクセル単位のセグメンテーションを実現します。
「要点」は、ボックスの端の周りのノイズの多いゾーン内で、MonoBox が従来の誤った複数インスタンスの学習損失を破棄し、代わりに単調性制約と呼ばれる慎重に設計された目的を最適化することです。
この新しい制約は、前景から背景に移行する方向に沿って、値が単調減少する傾向に従うように応答を制御します。
その結果、ノイズの多いゾーン内での元々信頼性の低い学習が、正しく効果的な単調性最適化に変換されます。
さらに、適応ラベル補正が導入され、MonoBox は前のエポックからの予測マスクを使用してボックス注釈の厳密性を強化し、トレーニングの進行に応じてノイズの多いゾーンを動的に縮小できます。
ポリープのボックス教師ありセグメンテーション タスクで MonoBox を検証します。このタスクでは、ポリープと正常組織の間の境界が曖昧であるため、ボックスの密閉性を満たすことが困難です。
公開合成データセットと社内の実際のノイズの多いデータセットの両方での実験では、MonoBox が Dice をそれぞれ少なくとも 5.5% と 3.3% 改善することで、他の最先端のアンチノイズ技術を上回っていることが実証されました。
コードは https://github.com/Huster-Hq/MonoBox にあります。

要約(オリジナル)

We propose MonoBox, an innovative box-supervised segmentation method constrained by monotonicity to liberate its training from the user-unfriendly box-tightness assumption. In contrast to conventional box-supervised segmentation, where the box edges must precisely touch the target boundaries, MonoBox leverages imprecisely-annotated boxes to achieve robust pixel-wise segmentation. The ‘linchpin’ is that, within the noisy zones around box edges, MonoBox discards the traditional misguiding multiple-instance learning loss, and instead optimizes a carefully-designed objective, termed monotonicity constraint. Along directions transitioning from the foreground to background, this new constraint steers responses to adhere to a trend of monotonically decreasing values. Consequently, the originally unreliable learning within the noisy zones is transformed into a correct and effective monotonicity optimization. Moreover, an adaptive label correction is introduced, enabling MonoBox to enhance the tightness of box annotations using predicted masks from the previous epoch and dynamically shrink the noisy zones as training progresses. We verify MonoBox in the box-supervised segmentation task of polyps, where satisfying box-tightness is challenging due to the vague boundaries between the polyp and normal tissues. Experiments on both public synthetic and in-house real noisy datasets demonstrate that MonoBox exceeds other anti-noise state-of-the-arts by improving Dice by at least 5.5% and 3.3%, respectively. Codes are at https://github.com/Huster-Hq/MonoBox.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google