BlazeNeo：极速息肉分割与肿瘤检测
图像与视频处理
2022-03-02 v1 计算机视觉与模式识别
摘要
近年来，计算机辅助自动息肉分割与肿瘤检测已成为医学图像分析中的新兴课题，为结肠镜检查提供了有价值的支持。已有研究致力于提高息肉检测与分割的准确性。然而，在专用设备上执行这些任务的延迟与吞吐量却未受到足够关注，而这对实际应用至关重要。本文提出一种名为 BlazeNeo 的新型深度神经网络架构，用于息肉分割与肿瘤检测任务，在保持高精度的同时强调紧凑性与速度。该模型利用高效的 HarDNet 主干网络与轻量级感受野模块（Receptive Field Blocks）以提升计算效率，并采用辅助训练机制充分利用训练数据以提升分割质量。我们在具有挑战性的数据集上的实验表明，与最先进（SOTA）方法相比，BlazeNeo 在保持相当精度的同时降低了延迟与模型尺寸。当以 INT8 精度部署于 Jetson AGX Xavier 边缘设备时，我们的 BlazeNeo 可达到超过 155 fps，同时在所有对比方法中取得最佳精度。
引用
@article{arxiv.2203.00129,
title = {BlazeNeo: Blazing fast polyp segmentation and neoplasm detection},
author = {Nguyen Sy An and Phan Ngoc Lan and Dao Viet Hang and Dao Van Long and Tran Quang Trung and Nguyen Thi Thuy and Dinh Viet Sang},
journal= {arXiv preprint arXiv:2203.00129},
year = {2022}
}