计算机科学>计算机视觉和模式识别
标题: 基于对比变换的多实例学习弱监督息肉帧检测
摘要: 目前结肠镜视频中的息肉检测方法仅使用正常(即健康)训练图像,这i)忽略了连续视频帧中时间信息的重要性,ii)缺乏息肉知识。 因此,它们通常具有较高的检测错误,尤其是在具有挑战性的息肉病例中(例如,小的、扁平的或部分可见的息肉)。 在这项工作中,我们将息肉检测制定为一项弱监督异常检测任务,该任务使用视频级标记训练数据来检测帧级息肉。 特别是,我们提出了一种新的基于卷积变换的多示例学习方法,用于从异常视频(即包含至少一个带有息肉的帧的视频)中识别异常帧(即带有息肉帧)。 在我们的方法中,当我们同时优化视频和片段级异常得分时,本地和全局时间依赖性被无缝捕获。 还提出了一种对比片段挖掘方法,以实现对具有挑战性的息肉病例的有效建模。 在本研究中引入的一个新的大规模结肠镜视频数据集上,由此产生的方法实现了比当前最先进的方法更好的检测精度。