CASCRNet：基于空洞空间金字塔池化与共享通道残差的胶囊内窥镜网络
图像与视频处理
2024-11-28 v2 计算机视觉与模式识别
机器学习
摘要
本文总结了MISAHUB举办的Capsule Vision Challenge 2024中的工作。针对多类疾病分类任务因Capsule Vision挑战数据集复杂且不平衡而具有挑战性的问题，本文提出了CASCRNet（Capsule endoscopy-ASPP-SCR-Network），一种参数高效的新型模型，它使用共享通道残差(SCR)块和空洞空间金字塔池化(ASPP)块。此外，将所提模型的性能与其他知名方法进行了比较。实验结果表明，所提模型提供了更好的疾病分类结果。该模型成功实现了疾病分类，F1分数为78.5%，平均AUC为98.3%，考虑到其紧凑的架构，这一结果令人鼓舞。
引用
@article{arxiv.2410.17863,
title = {CASCRNet: An Atrous Spatial Pyramid Pooling and Shared Channel Residual based Network for Capsule Endoscopy},
author = {K V Srinanda and M Manvith Prabhu and Shyam Lal},
journal= {arXiv preprint arXiv:2410.17863},
year = {2024}
}
备注
8 pages, 4 figures