不再害怕噪声“扰乱”了!图像分割新技术在错误数据干扰下仍能准确运行_中国高校之窗 
大学库管理系统

不再害怕噪声“扰乱”了!图像分割新技术在错误数据干扰下仍能准确运行

中国高校之窗

在一些智能手机的相册里,只需长按照片,图中的人、物就会与背景分开,用户可以直接保存分割出的内容,进行编辑和分享,日常生活中这样的图像分割技术已无处不在,它甚至可以用于医学影像分析,如计算机断层扫描(CT)和磁共振成像(MRI)等,来帮助医生更好地识别病变部位和范围,提高诊断准确率和治疗效果。

360截图20230609092313359.jpg

图像分割是计算机视觉领域的重要部分,它能将图片中的每个像素按照不同的语义类别进行分类,识别分割出图中的各个部分,例如在街景图中使用该技术,就可以输出一张将汽车、行人、建筑物按类别分割开的图片。

然而,在训练图像分割模型时,研究人员需要人工标注好大量图片,指明图中物体所属类别,供模型提取特征、自我学习,提高识别与分割的能力。这不仅费时费力,而且容易出错,造成的错误标注会使模型难以达到预期的准确度。

针对以上问题,西交利物浦大学智能工程学院的研究人员开发了一种新颖的技术,让图像分割模型能够从带噪声的标签中继续学习,即使标注数据有误,依然可以输出较为准确的结果。

该研究成果于近日收录于计算机视觉领域顶级期刊《国际计算机视觉杂志》(International Journal of Computer Vision),它是中国计算机学会认定的四本人工智能A类期刊之一, 影响因子13.3,这也是西浦第一篇收录于该期刊的论文。

据论文的第一作者、智能工程学院2022届博士毕业生张冰峰介绍,这项技术的灵感来源于我们日常生活中的一些经验,比如我们看到的景色可能会受到不同光线、天气等因素的影响,让我们产生不同的感受,影响我们的判断。

研究团队借鉴了这种经验,引入了“双专家结构”,该结构分别优化两种不同的图片特征,给出两种图像分割结果的预测,这两种预测有不同的可信区域,综合分析它们的可靠性后,就可以最终获得一个更为精确的预测。

360截图20230609092320441.jpg

图片说明:比较包含噪声的标签和训练后得到的预测结果,(a)原始图像,(b)真值,(c)带噪音的标签, 白框表示标签中主要的噪声区域,(d)通过优化交叉熵损失得到的预测结果,(e)通过优化soft Dice损失得到的预测结果;(d)和(e)是双专家结构中使用两种不同的优化方案后得到的图像分割预测。

张冰峰的导师肖继民博士指出,这项技术的应用非常广泛,尤其是在一些对图像分割准确度要求较高的领域,比如医疗影像、智能驾驶等。

“这项研究为我们提供了一种全新的技术手段,让模型能够更好地处理标注数据中的噪声和错误,从错误中获取有效数据继续学习,提高图片分割性能。相信在未来,这项技术将扮演越来越重要的角色,拉近我们与智能化生活的距离。”肖继民博士总结道。

目前,张冰峰博士在中国石油大学担任副教授职务。(记者:金画恬 编辑:石露芸)

中国高校之窗


西交利物浦大学(XJTLU,简称“西浦”) 是经中国教育部批准,由西安交通大学和英国利物浦大学合作创立的,具有独立法人资格和鲜明特色的新型国际大学。她是中国目前唯一一所以理工管起步,强强合作,拥有中华人民共和国学士学位和英国利物浦大学学位授予权的中外合作大学.......【详细】