HybridNetSeg：一种用于视网膜血管分割的紧凑混合网络
图像与视频处理
2019-11-25 v1 计算机视觉与模式识别
机器学习
摘要
近年来出现了大量基于图像分割的视网膜血管分析方法。然而，现有方法依赖于笨重的骨干网络，如 VGG16 和 ResNet-50，虽得益于其强大的特征提取能力，却承受着高计算成本。本文中，我们提出一种新颖的神经网络（HybridNetSeg），致力于解决这一缺陷并进一步提升整体性能。考虑到可变形卷积可提取复杂多变的结构信息，且混合深度可分离卷积中的较大核有助于提高精度，我们整合了这两个模块并借助启发式学习思想提出了混合卷积块（HCB）。受 U-Net 启发，我们用 HCB 替换 U-Net 编码器中部分普通卷积，在大幅加速推理过程的同时将参数量降至 0.71M。不仅如此，我们还提出了一种多尺度混合损失机制。在三个主要基准数据集上的大量实验证明了我们所提方法的有效性。
引用
@article{arxiv.1911.09982,
title = {HybridNetSeg: A Compact Hybrid Network for Retinal Vessel Segmentation},
author = {Ling Luo and Dingyu Xue and Xinglong Feng},
journal= {arXiv preprint arXiv:1911.09982},
year = {2019}
}
备注
16 pages, 3 figures