LightVessel：基于相似性知识蒸馏的轻量级冠状动脉血管分割探索
图像与视频处理
2023-02-28 v2 计算机视觉与模式识别
摘要
近年来，深度卷积神经网络（DCNNs）在冠状动脉血管分割中取得了良好前景。然而，由于高性能方法参数量过大且计算成本高，难以在临床场景中部署复杂模型。为解决此问题，我们提出\textbf{LightVessel}——一种用于轻量级冠状动脉血管分割的相似性知识蒸馏框架。首先，我们提出特征级相似性蒸馏（FSD）模块用于语义偏移建模。具体而言，我们计算编码器与解码器对称层之间的特征相似性，然后将该相似性作为知识从笨重的教师网络迁移至未经训练轻量级学生网络。同时，为鼓励学生模型学习更多像素级语义信息，我们引入对抗相似性蒸馏（ASD）模块。具体地，ASD模块旨在分别构建教师与学生模型标注与预测之间的空间对抗关联。通过ASD模块，学生模型获得冠状动脉血管细粒度的细微边缘分割结果。在Clinical Coronary Artery Vessel Dataset上的大量实验表明，LightVessel优于多种知识蒸馏对照方法。
引用
@article{arxiv.2211.00899,
title = {LightVessel: Exploring Lightweight Coronary Artery Vessel Segmentation via Similarity Knowledge Distillation},
author = {Hao Dang and Yuekai Zhang and Xingqun Qi and Wanting Zhou and Muyi Sun},
journal= {arXiv preprint arXiv:2211.00899},
year = {2023}
}
备注
5 pages, 7 figures, conference