GPU-Net：具有更丰富多样特征的轻量级 U-Net
图像与视频处理
2022-01-11 v1 计算机视觉与模式识别
摘要
图像分割是医学图像领域的一项重要任务，已有许多基于卷积神经网络（CNNs）的方法被提出，其中 U-Net 及其变体展现出良好性能。本文中，我们提出基于 U-Net 的 GP-module 与 GPU-Net，通过引入 Ghost module 与空洞空间金字塔池化（ASPP）可学习更丰富的多样特征。我们的方法以少于 4 倍的参数量与减半的 FLOPs 取得更优性能，为未来研究提供了新潜在方向。我们的即插即用模块也可应用于现有分割方法以进一步提升其性能。
引用
@article{arxiv.2201.02656,
title = {GPU-Net: Lightweight U-Net with more diverse features},
author = {Heng Yu and Di Fan and Weihu Song},
journal= {arXiv preprint arXiv:2201.02656},
year = {2022}
}