基于连续帧潜特征拼接的视频实时精准息肉检测
计算机视觉与模式识别
2023-03-13 v1 人工智能
机器学习
摘要
一种能够实时实现的高效深度学习模型对于降低筛查过程中息肉漏检率至关重要。卷积神经网络(CNNs)对输入图像的微小变化较为敏感。基于CNN的模型可能会漏检一系列连续帧中出现的同一息肉，并由于相机位姿、光照条件、光反射等变化而产生不连贯的检测输出。在本研究中，我们试图通过整合相邻帧间的时间信息来解决此问题。我们提出了一种针对基于CNN的编码器-解码器模型的高效特征拼接方法，且不增加模型复杂度。该方法将先前帧提取的特征图融入当前帧的息肉检测中。实验结果表明，所提出的特征拼接方法提升了视频中自动息肉检测的整体性能。在公开视频数据集上获得如下结果：灵敏度90.94%、精度90.53%、特异度92.46%。
引用
@article{arxiv.2303.05871,
title = {Accurate Real-time Polyp Detection in Videos from Concatenation of Latent Features Extracted from Consecutive Frames},
author = {Hemin Ali Qadir and Younghak Shin and Jacob Bergsland and Ilangko Balasingham},
journal= {arXiv preprint arXiv:2303.05871},
year = {2023}
}