RaBiT：一种用于结肠息肉分割的、采用双向特征金字塔网络与反向注意力的高效Transformer
计算机视觉与模式识别
2023-07-14 v1
摘要
结肠息肉的自动准确分割对结直肠癌的早期诊断至关重要。先进的深度学习模型在息肉分割中已展现出有前景的结果。然而，它们在多尺度特征表示与泛化能力方面仍存在局限。为解决这些问题，本文提出RaBiT，一种编码器-解码器模型，其在编码器中融入轻量级基于Transformer的架构以建模多层次全局语义关系。解码器由若干带反向注意力模块的双向特征金字塔层组成，以更好地融合各层级特征图并逐步细化息肉边界。我们还提出轻量化反向注意力模块并使其更适用于多类分割的思路。在多个基准数据集上的大量实验表明，我们的方法在所有数据集上均优于现有方法，且保持较低计算复杂度。此外，在跨数据集实验中，即便训练集与测试集具有不同特性，我们的方法也展现出高泛化能力。
引用
@article{arxiv.2307.06420,
title = {RaBiT: An Efficient Transformer using Bidirectional Feature Pyramid Network with Reverse Attention for Colon Polyp Segmentation},
author = {Nguyen Hoang Thuan and Nguyen Thi Oanh and Nguyen Thi Thuy and Stuart Perry and Dinh Viet Sang},
journal= {arXiv preprint arXiv:2307.06420},
year = {2023}
}