对于像细胞分割这样的多实例分割任务，使用掩码或边界框是否有用？答案

【问题标题】：For multi instance segmentation tasks like cell segmentation, would using a mask or bounding box be useful?对于像细胞分割这样的多实例分割任务，使用掩码或边界框是否有用？
【发布时间】：2022-01-19 06:52:28
【问题描述】：

在使用 UNet 系列（Unet++、双 UNet、ResUNet..）等模型处理图像分割任务时，大多数任务是找到一个特定实例，这意味着掩码是单个对象，例如检测左心超声医学图像。

但是这一次，我目前正在处理一个细胞分割任务，其中有很多实例要分割为掩码。（虽然只有一节课）

我很好奇在这种情况下使用像 MaskRCNN 这样的 RoI 生成模型是否会比像 UNet 这样的网络更好。

另外，使用 pytorch 分割模型之类的预训练网络会更好吗？（我曾经从头开始制作和训练我所有的模型。）

谢谢。

【问题讨论】：

标签： pytorch conv-neural-network artificial-intelligence object-detection semantic-segmentation

【解决方案1】：

你的问题定义听起来更像是实例分割而不是semantic segmentation。因此，使用为特定任务设计的架构更“自然”。
此外，一般来说，重用现有模型/代码比从头重新实现它们更容易。

【讨论】：