论文笔记

论文题目：SFCN-OPI: Detection and Fine-Grained Classification of Nuclei Using Sibling FCN with Objectness Prior Interaction
动机：

1. 由于核的尺寸小、类间类内方差大、图像质量差，以往的自动检测方法容易受到精度和鲁棒性的影响。
2. 现有的方法通常独立处理这细胞核检测和细粒度分类两个任务，忽略了它们的联系。

论文的解决方案： 提出网络结构sibling fully convolutional network with prior objectness interaction (SFCN-OPI)，同时交互地处理这两个任务（细胞核检测和细粒度分类）

具体方案：

1. FCN Architecture with Sibling Branches：
   
2. 结合对象优先分类：检测分支的输出indicating objectness的概率，作为先验概率传递给细粒度分类分支，使得分类分支只需注意区分不同的子类别，而不受背景的干扰。pcls=k=pobj⋅pkcls∣objp ^ { c l s = k } = p ^ { o b j } \cdot p _ { k } ^ { c l s | o b j }