BARNet：具有自适应感受野的双线性注意力网络用于手术器械分割
计算机视觉与模式识别
2020-05-25 v4 机器学习
机器人学
图像与视频处理
摘要
手术器械分割对于计算机辅助手术极为重要。与常见目标分割不同，由于特殊手术场景引起的大幅光照与尺度变化，其更具挑战性。本文提出一种新颖的具有自适应感受野的双线性注意力网络来解决这两个挑战。对于光照变化，双线性注意力模块能够捕获二阶统计量以编码全局上下文和局部像素之间的语义依赖关系。借此，困难区域中的语义特征可由其邻域推断，且各类语义的区分度得以提升。对于尺度变化，我们的自适应感受野模块聚合多尺度特征并以不同权重自动融合它们。具体而言，它编码通道间的语义关系以强调具有适当尺度的特征图，从而改变后续卷积的感受野。所提网络在 Cata7 上取得了 97.47% 平均 IOU 的最佳性能，并在 EndoVis 2017 上以超出第二名方法 10.10% IOU 的成绩位居第一。
引用
@article{arxiv.2001.07093,
title = {BARNet: Bilinear Attention Network with Adaptive Receptive Fields for Surgical Instrument Segmentation},
author = {Zhen-Liang Ni and Gui-Bin Bian and Guan-An Wang and Xiao-Hu Zhou and Zeng-Guang Hou and Xiao-Liang Xie and Zhen Li and Yu-Han Wang},
journal= {arXiv preprint arXiv:2001.07093},
year = {2020}
}