ACNet：基于动态上下文增强与掩码感知注意力的鲁棒痤疮检测网络
计算机视觉与模式识别
2021-12-20 v3
摘要
计算机辅助诊断因其低成本与高效率的优势近来受到关注。尽管深度学习在近期痤疮检测的成功中发挥了重要作用，但仍存在若干挑战，如不一致光照导致的颜色偏移、尺度变化以及高密度分布。为解决这些问题，我们提出了一种痤疮检测网络，其由三个组件构成，具体为：复合特征精炼、动态上下文增强以及掩码感知多重注意力。首先，复合特征精炼整合语义信息与细节特征以丰富特征表示，从而缓解光照不均衡的负面影响。随后，动态上下文增强控制多尺度特征的不同感受野以实现上下文增强，以应对尺度变化。最后，掩码感知多重注意力通过抑制无信息区域并突出可能的痤疮区域来检测密集排列的小痤疮。实验在痤疮图像数据集 ACNE04 与自然图像数据集 PASCAL VOC 2007 上进行。我们展示了我们的方法如何在 ACNE04 上取得最先进（state-of-the-art, SOTA）结果，并在 PASCAL VOC 2007 上与先前的最先进方法取得具有竞争力的性能。
引用
@article{arxiv.2105.14891,
title = {ACNet: Mask-Aware Attention with Dynamic Context Enhancement for Robust Acne Detection},
author = {Kyungseo Min and Gun-Hee Lee and Seong-Whan Lee},
journal= {arXiv preprint arXiv:2105.14891},
year = {2021}
}
备注
6 pages, 5 figures, SMC 2021