MS-NAS：面向医学图像分割的多尺度神经架构搜索
图像与视频处理
2020-07-14 v1 计算机视觉与模式识别
摘要
神经架构搜索（NAS）近期的突破推动了其在医学图像分割中的各类应用。然而，现有工作大多仅依赖超参数调优或固守固定网络主干，从而将底层搜索空间限制于识别更高效架构。本文提出一种多尺度 NAS（MS-NAS）框架，其特点在于从网络主干到单元操作的多尺度搜索空间，以及融合不同尺寸特征的多尺度融合能力。为缓解更大搜索空间带来的计算开销，采用部分通道连接方案与两步解码方法，在保持优化质量的同时降低计算开销。实验结果表明，在多个分割数据集上，MS-NAS 优于当前最优（SOTA）方法，取得 0.6–5.4% mIOU 与 0.4–3.5% DSC 提升，同时计算资源消耗降低 18.0–24.9%。
引用
@article{arxiv.2007.06151,
title = {MS-NAS: Multi-Scale Neural Architecture Search for Medical Image Segmentation},
author = {Xingang Yan and Weiwen Jiang and Yiyu Shi and Cheng Zhuo},
journal= {arXiv preprint arXiv:2007.06151},
year = {2020}
}