ACE-Net：具有增强收缩与扩展路径的生物医学图像分割网络
计算机视觉与模式识别
2019-09-11 v1
摘要
如今类 U-net 的全卷积网络（FCN）在各种生物医学图像分割应用中占主导地位并取得了可喜性能，这很大程度上归功于其优雅的架构，例如对称的收缩与扩展路径以及横向跳跃连接。设计新颖架构以进一步惠及分割仍是一个研究方向。本文中，我们开发了 ACE-net，旨在通过增强收缩和扩展路径来强化特征表示与利用。具体而言，我们利用近期提出的先进技术（包括 ASPP、密集连接和深度监督机制）以及新颖连接（如将原始图像直接连到扩展侧）来增强路径。借助这些增强，ACE-net 可利用来自多源、多尺度和多感受野的特征进行分割，同时仍保持相对简洁的架构。在两项典型生物医学分割任务上的实验验证了其有效性，两项任务均取得了极具竞争力的结果，且 ACE-net 在推理时仍运行迅速。
引用
@article{arxiv.1909.04148,
title = {ACE-Net: Biomedical Image Segmentation with Augmented Contracting and Expansive Paths},
author = {Yanhao Zhu and Zhineng Chen and Shuai Zhao and Hongtao Xie and Wenming Guo and Yongdong Zhang},
journal= {arXiv preprint arXiv:1909.04148},
year = {2019}
}