M2MRF：用于眼底图像中小病灶分割的多对多特征重组
图像与视频处理
2021-12-03 v2 计算机视觉与模式识别
摘要
特征重组是基于CNN的现代分割方法中的一个关键组成部分，包括特征下采样和上采样算子。现有算子在各自独立地为每个目标位置从一个小的预定义区域重组多个特征为一个。这可能导致空间信息的丢失，尤其当微小病灶聚集在一起时，可能使由微小病灶引起的激活消失。本文提出一种多对多特征重组（M2MRF）。它在降维后的特征空间中重组特征，并同时将大预定义区域内的多个特征聚合为多个目标特征。通过这种方式，捕获长程空间依赖以维持微小病灶上的激活。在两个病灶分割基准（即DDR和IDRiD）上的实验结果表明：（1）我们的M2MRF优于现有的特征重组算子；（2）配备我们的M2MRF后，HRNetv2能够取得显著优于基于CNN的分割方法的性能，并与两种近期基于transformer的分割方法相当甚至更优。我们的代码已公开于 https://github.com/CVIU-CSU/M2MRF-Lesion-Segmentation。
引用
@article{arxiv.2111.00193,
title = {M2MRF: Many-to-Many Reassembly of Features for Tiny Lesion Segmentation in Fundus Images},
author = {Qing Liu and Haotian Liu and Wei Ke and Yixiong Liang},
journal= {arXiv preprint arXiv:2111.00193},
year = {2021}
}