《Focal FCN: Towards Biomedical Small Object Segmentation with Limited Training Data》 論文筆記
論文鏈接
Focal FCN: Towards Biomedical Small Object Segmentation with Limited Training Data
論文概述
小目標(biāo)分割是醫(yī)學(xué)圖像中的傳統(tǒng)任務(wù)。如今基于深度學(xué)習(xí)的方法來檢測小目標(biāo)錯誤率仍然很高历恐。本文提出了一種基于有限訓(xùn)練集的小目標(biāo)分割方法。首先使用FCN來初始化Focal FCN，之后使用focal loss使得訓(xùn)練集中在錯誤分類的像素上谦屑，從而在小物體分割上取得較好的效果赡麦。
論文要點概括
文章介紹了小目標(biāo)檢測在醫(yī)學(xué)領(lǐng)域重要性久窟，同時闡述了由于卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用使得語義分割方面取得長足進步，但是其在小目標(biāo)檢測中錯誤情況仍然頻發(fā)爆阶，論文針對此提出一些解決辦法。
-
論文采用了類FCN或U-Net網(wǎng)絡(luò)結(jié)構(gòu)（network
in this paper which is similar to FCN or U-Net ）沙咏，如下：
Network Structure -
簡要介紹了傳統(tǒng)的loss function辨图，傳統(tǒng)使用CE，但由于小目標(biāo)特性肢藐，前景像素和背景像素比差異顯著徒役，針對此問題又采用WCE(Weighted-CE)窖壕，使得前景像素有更大權(quán)重，而背景像素權(quán)重降低瞻讽。
WCELoss -
由于FCN在多分類問題中常對包含誤報的初步結(jié)果進行分割。Focal FCN采用的是FCN結(jié)構(gòu)并且結(jié)合Focal Loss來處理問題晌砾，F(xiàn)ocal Loss具體見另一論文（作者提出一種新的損失函數(shù)烦磁，思路是希望那些hard examples對損失的貢獻變大，使網(wǎng)絡(luò)更傾向于從這些樣本上學(xué)習(xí)）都伪，此處參數(shù)文中給出，即給定α陨晶，Pt。
FocalLoss
