Dealing with Topological Information within a Fully Convolutional Neural Network

Etienne Decencière 1 Santiago Velasco-Forero 1 Fu Min Juanjuan Chen Hélène Burdin Gervais Gauthier 2 Bruno Lay 3 Thomas Bornschloegl Thérèse Baldeweck 4
1 CMM - Centre de Morphologie Mathématique
2 ADCIS - Société ADCIS
3 ADCIS - Société ADCIS
4 L'Oréal recherche et innovation
Abstract : A fully convolutional neural network has a receptive field of limited size and therefore cannot exploit global information, such as topological information. A solution is proposed in this paper to solve this problem, based on pre-processing with a geodesic operator. It is applied to the segmentation of histological images of pigmented reconstructed epidermis acquired via Whole Slide Imaging.
Keywords : Mathematical morphology Histological image segmentation Convolutional neural network geodesic operators
Type de document :
Communication dans un congrès
Liste complète des métadonnées

Littérature citée [9 références]  Voir  Masquer  Télécharger
https://hal-mines-paristech.archives-ouvertes.fr/hal-01877624
Contributeur : Etienne Decencière <>
Soumis le : jeudi 20 septembre 2018 - 10:19:39
Dernière modification le : mercredi 13 février 2019 - 14:24:02
Document(s) archivé(s) le : vendredi 21 décembre 2018 - 13:57:18

Fichier

paper178.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-01877624, version 1

Collections

ENSMP | INSTITUT-TELECOM | ENSMP_CMM | PSL | PARISTECH

Citation

Etienne Decencière, Santiago Velasco-Forero, Fu Min, Juanjuan Chen, Hélène Burdin, et al.. Dealing with Topological Information within a Fully Convolutional Neural Network. Advanced Concepts for Intelligent Vision Systems (ACIVS), Sep 2018, Poitiers, France. ⟨hal-01877624⟩

Exporter

BibTeX TEI DC DCterms EndNote

Partager

Métriques

Consultations de la notice

153

Téléchargements de fichiers

200

Contact

support.ccsd.cnrs.fr
hal.support@ccsd.cnrs.fr
Logo CCSD