Chan-Vese 注意力 U-Net：一种用于鲁棒分割的注意力机制
图像与视频处理
2023-06-29 v1 计算机视觉与模式识别
摘要
在研究基于卷积神经网络的分割算法结果时，人们会对其结果的可靠性与一致性产生疑问。这引发了对在容错空间极小应用中使用此类算法的可能性的质疑。本文提出一种基于 Chan-Vese 能量最小化的新注意力门，以更精确地控制标准 CNN 架构（如 U-Net 模型）给出的分割掩码。该机制通过对一个 PDE 的求解获得对分割的约束。对结果的研究使我们能观察神经网络在感兴趣区域上保留的空间信息，并在二值分割上取得具竞争力的结果。我们在 MRI 脑图像数据库上展示了该方法在医学图像分割中的有效性。
引用
@article{arxiv.2306.16098,
title = {Chan-Vese Attention U-Net: An attention mechanism for robust segmentation},
author = {Nicolas Makaroff and Laurent D. Cohen},
journal= {arXiv preprint arXiv:2306.16098},
year = {2023}
}