利用中央凹金字塔注意力定位头影测量 X 射线标志点
计算机视觉与模式识别
2020-08-12 v1
摘要
CNN 最初受人类视觉启发，但在一个关键点上有别：它们均匀采样，而非在焦点处以最高密度采样。对于非常大的图像，这使得训练难以进行，因为激活图所需的内存与计算随图像边长呈二次方增长。我们提出一种基于图像金字塔的方法，提取输入图像的窄 glimpses（局部窥视）并迭代细化以完成回归任务。为辅助高精度回归，我们引入一种称为“空间化特征（spatialized features）”的新颖中间表示。我们的方法随边长对数级缩放，因此适用于非常大的图像。我们将该方法应用于头影测量 X 射线标志点检测，取得了 SOTA（state-of-the-art，最优）结果。
引用
@article{arxiv.2008.04428,
title = {Locating Cephalometric X-Ray Landmarks with Foveated Pyramid Attention},
author = {Logan Gilmour and Nilanjan Ray},
journal= {arXiv preprint arXiv:2008.04428},
year = {2020}
}
备注
Presented at MIDL 2020