DSNet：一种基于双流注意力且简洁高效的病灶分割网络
图像与视频处理
2022-12-15 v2 计算机视觉与模式识别
摘要
病灶分割需要兼顾速度与精度。本文提出一种简洁高效的网络DSNet，其由基于Transformer的编码器与基于卷积神经网络（CNN）的差异化金字塔解码器组成，解码器包含三个双流注意力（DSA）模块。具体而言，DSA模块通过假阳性流注意力（FPSA）分支与假阴性流注意力（FNSA）分支融合相邻两层特征，以获得具有多样化上下文信息的特征。我们在多个公开数据集（包括CVC-ClinicDB、Kvasir-SEG与ISIC-2018 Task 1）上将所提方法与多种最先进（SOTA）病灶分割方法进行比较。实验结果表明，我们的方法在平均Dice系数（mDice）与平均交并比（mIoU）上取得了SOTA性能，且模型复杂度与内存消耗低。
引用
@article{arxiv.2211.16950,
title = {DSNet: a simple yet efficient network with dual-stream attention for lesion segmentation},
author = {Yunxiao Liu},
journal= {arXiv preprint arXiv:2211.16950},
year = {2022}
}