Genetic U-Net：利用遗传算法自动设计用于视网膜血管分割的深度网络
图像与视频处理
2021-06-14 v4 计算机视觉与模式识别
摘要
近年来，许多基于手工设计的卷积神经网络（CNN）的方法在自动视网膜血管分割中取得了有前景的结果。然而，这些CNN在复杂眼底图像中捕捉视网膜血管方面仍受限制。为提升其分割性能，这些CNN往往具有大量参数，可能导致过拟合及高计算复杂度。此外，手工设计具有竞争力的CNN耗时且需要丰富的经验知识。为此，本文提出一种称为Genetic U-Net的新型自动化设计方法，用于生成一种U形CNN，其可实现更优的视网膜血管分割，同时具有更少的基于架构的参数，从而解决上述问题。首先，我们基于U形编码器-解码器设计了一个紧凑而灵活的搜索空间。随后，我们使用改进的遗传算法在该搜索空间中寻找性能更优的架构，并探究了以更少参数找到更优网络架构的可能性。实验结果表明，所提方法获得的架构在性能上更优，其参数数量不到原始U-Net参数的1%，且显著少于其他最先进模型。此外，通过对实验结果的深入探究，我们识别出了若干可生成更优视网膜血管分割的网络有效操作与模式。
引用
@article{arxiv.2010.15560,
title = {Genetic U-Net: Automatically Designed Deep Networks for Retinal Vessel Segmentation Using a Genetic Algorithm},
author = {Jiahong Wei and Zhun Fan},
journal= {arXiv preprint arXiv:2010.15560},
year = {2021}
}