Read Paper 《A Probabilistic U-Net for Segmentation of Ambiguous Images》

URL: https://papers.nips.cc/paper/7928-a-probabilistic-u-net-for-segmentation-of-ambiguous-images https://github.com/SimonKohl/probabilistic_unet

TL;DR

NIPS 2018 一种基于U-Net的随机分割方法，该方法能够把握某些分割应用程序的固有歧义。由于其随机性，对于一个给定的图像，该系统可以生成各种各样的分割图，以模拟几个人手动分割的内容。

Model

Algorithm

如上图a，假设人类标注者的标注是收到潜在变量z的支配，z服从高斯分布。 z的采样影响最终的分割结果。

为了学习z的分布，训练的时候如上图b，使用一个后验网络通过输入图像X和标注Y学习z的分布参数，并提供给U-net。 而用KL散度来使得P(|X)接近P(|X,Y)。

Dataset

Name	Link	Desc
LIDC-IDRI	https://wiki.cancerimagingarchive.net/display/Public/LIDC-IDRI	肺部病变CT图像
Cityscapes	https://www.cityscapes-dataset.com/	城市场景语义分割

Experiment Detail

在两个数据集上和相关基线进行了对比。

附录中还有一些很有意思的效果展示。

Thoughts

通过让先验网络的结果接近后验网络，从而渐渐学得从输入的分布并减少对标签对依赖，挺不错对训练方法。 在混合数据集或者标注情况不理想对时候也许可以借鉴此方法改进。 这篇10页的论文有18页的附录，而且信息量极大。