极端标注稀缺条件下少标签高效蓝莓实例分割的技术验证

《Scientific Reports》：Technical validation of label-efficient blueberry instance segmentation under extreme annotation scarcity

　　

摘要

在极端标注稀缺条件下，伪标签选择变得尤为脆弱，因为基于置信度的过滤可能会拒绝低置信度但仍为有效实例假设的掩码。我们提出了一种高效标注的蓝莓实例分割流水线，结合了图像自适应的教师置信度过滤与基于几何的救援机制。自适应分支能够适应教师评分在图像层面的变化，而救援机制则利用基于圆形度和实体度的任务特定掩码形状线索，选择性地重新考虑被拒绝的候选项。在Mega Blueberry基准测试的1%标注协议下，自适应+救援方法在三个标注子集实例和三个学生训练种子下达到了平均Mask mAP50为0.777 ± 0.021的结果。与匹配的自适应置信度分支相比，救援机制带来了平均+0.0241的Mask mAP50提升，交叉自助法95%置信区间为[0.0020, 0.0416]。与真值关联的审计还进一步显示，2,478个救援专有掩码中有95.08%与标注实例的IoU \(\ge 0.50\)。这些结果表明，任务特定的掩码几何形状可以为伪标签选择提供互补的可靠性信号，在仅靠置信度过滤不足以应对的情况下，支持在极端标注稀缺条件下的标注高效蓝莓分割。