M^2UNet：用于息肉分割的 MetaFormer 多尺度上采样网络
图像与视频处理
2023-09-04 v2 计算机视觉与模式识别
摘要
息肉分割近来受到显著关注，多种方法已被提出以取得令人满意的结果。然而，由于卷积操作的性质，这些技术在处理复杂息肉前景及其周边区域时常常面临困难。此外，大多数现有方法忽视了利用来自多个解码器阶段的潜在信息。为应对这一挑战，我们建议将作为 CNN 与 Transformer 集成基线的 MetaFormer 与 UNet 框架结合，并融入我们的多尺度上采样块（MU）。这一简单模块能够通过探索浅层解码器阶段的多个感受野路径来组合多级信息，再与更高阶段相加以聚合更好的特征表示，这在医学图像分割中至关重要。综上，我们提出用于息肉分割任务的 MetaFormer 多尺度上采样网络（MUNet）。在五个基准数据集上的大量实验表明，与几种先前方法相比，我们的方法取得了具有竞争力的性能。
引用
@article{arxiv.2306.08600,
title = {M^2UNet: MetaFormer Multi-scale Upsampling Network for Polyp Segmentation},
author = {Quoc-Huy Trinh and Nhat-Tan Bui and Trong-Hieu Nguyen Mau and Minh-Van Nguyen and Hai-Minh Phan and Minh-Triet Tran and Hai-Dang Nguyen},
journal= {arXiv preprint arXiv:2306.08600},
year = {2023}
}