具有中间监督机制的高效医学图像分割
图像与视频处理
2020-12-08 v1 计算机视觉与模式识别
摘要
由于 U-Net 的扩展路径可能忽略小目标特征，故提出中间监督机制。原始掩码也作为中间输出的标签输入网络。然而，U-Net 主要进行分割，所提取特征亦针对分割位置信息，且输入输出不同。我们所需的标签是输入输出均为原始掩码，更类似于重构过程，因此提出另一种中间监督机制。但该中间监督机制的收缩路径所提取特征未必一致。例如，U-Net 的收缩路径提取横向特征，而自编码器提取纵向特征，可能导致扩展路径输出与标签不一致。因此，我们提出共享权重解码器模块的中间监督机制。尽管中间监督机制提升了分割精度，但因额外输入与多损失函数导致训练时间过长。针对其中一问题，我们引入了绑定权重解码器。为降低模型冗余，我们将共享权重解码器模块与绑定权重解码器模块相结合。
引用
@article{arxiv.2012.03673,
title = {Efficient Medical Image Segmentation with Intermediate Supervision Mechanism},
author = {Di Yuan and Junyang Chen and Zhenghua Xu and Thomas Lukasiewicz and Zhigang Fu and Guizhi Xu},
journal= {arXiv preprint arXiv:2012.03673},
year = {2020}
}