DFE-IANet：一种基于双域特征提取与交互注意力的结肠息肉图像分类方法
计算机视觉与模式识别
2024-08-02 v2
摘要
及时检测和治疗胃肠道 tract 中的息肉对于预防结直肠癌非常有帮助。然而，迄今为止很少有研究设计在效率和准确性之间取得平衡的息肉图像分类网络。这一挑战主要归因于息肉与其他疾病相似且具有复杂特征，受纹理、颜色和形态学的影响。在本文中，我们提出一种新型网络DFE-IANet，基于谱空间转换和特征交互。在提取细节特征和多尺度特征方面，通过多尺度频域特征提取(MSFD)块对特征进行变换，以在频域中以细粒度水平提取纹理细节。其次，设计了多尺度交互注意力(MSIA)块，以增强网络提取关键特征的能力。该块将多尺度特征引入自注意力机制，旨在自适应地引导网络集中注意力区域。最后，DFE-IANet仅需400万参数，效率却超过了最新的和经典网络。在效率方面表现出色。此外，DFE-IANet在具有挑战性的Kvasir数据集上实现了最先进(SOTA)的结果，显示出93.94%的顶级准确率。这一卓越的准确率超过ViT 8.94%，ResNet50 1.69%，VMamba 1.88%。我们的代码已公开available at https://github.com/PURSUETHESUN/DFE-IANet。
引用
@article{arxiv.2407.20843,
title = {DFE-IANet: A Method for Polyp Image Classification Based on Dual-domain Feature Extraction and Interaction Attention},
author = {Wei Wang and Jixing He and Xin Wang},
journal= {arXiv preprint arXiv:2407.20843},
year = {2024}
}
备注
This paper has been accepted by 2024 International Conference on Intelligent Computing (ICIC 2024). It can be accessed at http://poster-openaccess.com