前言:

在深度學習和計算機視覺中,人們正在努力提取特征,為各種視覺任務輸出有意義的表示。在一些任務中,我們只關注對象的幾何形狀,而不管顏色、紋理和照明等。這就是邊界檢測的作用所在。

本文來源于公眾號CV技術指南的技術總結系列。

更多內容請關注公眾號CV技術指南,專注于計算機視覺的技術總結,最新技術跟蹤。

問題定義

圖1 邊界檢測

圖1是一個邊界檢測的例子,顧名思義,邊界檢測是從圖像中檢測對象邊界的任務。這是一個不適定的問題,因為問題設置本身存在歧義。如圖所示,對于室內房間圖像(左),ground truth(中)定義房間內的ground truth對象邊界,并且預測(右)估計房間的對象邊界。然而,我們可以看到,估計的邊界遠不止是ground truth,包括來自房間布局、窗簾,甚至沙發(fā)紋理的不必要的邊界線。提取干凈且有意義的對象邊界并不容易。

原始方法

邊界檢測的一個直接解決方案是將其視為語義分割問題。在標注中簡單地將邊界為1和其他區(qū)域標記為0,我們可以將其表示為一個二分類語義分割問題,以二值交叉熵損失為損失函數(shù)。然而,它有兩個原因:高度不平衡的標簽分布和每像素交叉熵損失的內在問題。

Cross Entropy Loss的局限性

當使用交叉熵損失時,標簽的統(tǒng)計分布對訓練精度起著很重要的作用。標簽分布越不平衡,訓練就越困難。雖然加權交叉熵損失可以減輕難度,但改進并不顯著,交叉熵損失的內在問題也沒有得到解決。在交叉熵損失中,損失按每像素損失的平均值計算,每像素損失按離散值計算,而不知道其相鄰像素是否為邊界。因此,交叉熵損失只考慮微觀意義上的損失,而不是全局考慮,這還不足以預測圖像水平。

圖2 具有交叉熵損失的邊界預測

如圖2所示。對于輸入圖像(左),比較了交叉熵損失(中)和加權交叉熵損失(右)的預測。右邊的邊界比中間的要好得多,但預測的邊界并不干凈,骯臟的草地紋理邊界仍然存在。

Dice Loss

Dice Loss起源于S?rensen-Dice系數(shù),這是20世紀40年代用來測量兩個樣本之間的相似性的統(tǒng)計數(shù)據(jù)。它是由米勒塔里等人帶到計算機視覺的。2016年進行三維醫(yī)學圖像分割。

圖3 骰子系數(shù)

上式顯示了骰子系數(shù)方程,其中pi和gi分別表示對應的像素預測值和ground truth。在邊界檢測場景中,pi和gi的值為0或1,表示像素是否為邊界,是的時候值為1,否則值為0。因此,分母是預測和ground truth的總邊界像素的和,數(shù)值是正確預測的邊界像素的和,因為只有當pi和gi值匹配時(兩個值1)才遞增。

圖4 骰子系數(shù)(設定視圖)

圖4是圖3的另一個視圖。從集理論的角度來看,其中骰子系數(shù)(DSC)是兩個集合之間重疊的度量。例如,如果兩組A和B完全重疊,DSC的最大值為1。否則,DSC開始減少,如果兩個組完全不重疊,則最小值為0。因此,DSC的范圍在0到1之間,越大越好。因此,我們可以使用1-DSC作為骰子損失來最大化兩組之間的重疊。

在邊界檢測任務中,ground truth邊界像素和預測的邊界像素可以被視為兩個集合。通過利用Dice Loss,這兩組被訓練一點地重疊。如圖4所示。分母考慮全局尺度上的邊界像素的總數(shù),而數(shù)值考慮局部尺度上的兩個集合之間的重疊。因此,Dice Loss在本地和全局上都考慮了損失信息,這對于高精度至關重要。

結果

圖5 邊界預測的結果

如圖5所示。使用Dice Loss(c列)的預測結果比其他方法(d、e列)具有更高的精度。特別是對于薄邊界,因為只有當預測的邊界像素與ground truth薄邊界重疊,并且在其他區(qū)域沒有預測的邊界像素時,才可以減少Dice Loss