卷积神经网络中用于医学图像分类的新型全局空间注意力机制
图像与视频处理
2020-08-03 v1 计算机视觉与模式识别
机器学习
摘要
空间注意力已被引入卷积神经网络(CNNs)以提升其在包括图像分类在内的视觉任务中的性能与可解释性。空间注意力的本质在于学习一个权重图,表示同一层或通道内激活的相对重要性。所有现有注意力机制均为局部注意力,即权重图是图像特定的。然而,在医学领域,存在所有图像应共享同一权重图的情况,因为该图像集记录与同一对象相关的同类症状,从而共享相同的结构内容。本文中,我们因而提出CNN中一种主要用于医学图像分类的新型全局空间注意力机制。全局权重图由重要像素与不重要像素之间的决策边界实例化。我们提出通过该像素处所有图像的强度作为该像素特征的二分类器来实现决策边界。该二分类被整合进一个图像分类CNN中,并与CNN一同优化。在两个医学图像数据集和一个面部表情数据集上的实验表明,采用所提注意力后,不仅GoogleNet、VGG、ResNet和DenseNet这四个强大CNN的性能得以提升,而且可获得有意义的注意力区域,有益于理解一个领域中图像的内容。
引用
@article{arxiv.2007.15897,
title = {A Novel Global Spatial Attention Mechanism in Convolutional Neural Network for Medical Image Classification},
author = {Linchuan Xu and Jun Huang and Atsushi Nitanda and Ryo Asaoka and Kenji Yamanishi},
journal= {arXiv preprint arXiv:2007.15897},
year = {2020}
}