重新思考基于全卷积网络的结肠镜息肉分割中的迁移学习
计算机视觉与模式识别
2022-11-07 v1
摘要
除了具有光反射等内在帧形成伪影的复杂结肠镜帧特性以及息肉类型/形状的多样性外，公开可用的息肉分割训练数据集有限、规模小且不平衡。在这种情况下，由于在小数据集上训练过拟合，使用深度神经网络的自动息肉分割仍是一项开放挑战。我们提出了一种简单而有效的息肉分割流程，将分割（FCN）与分类（CNN）任务相结合。我们发现密集与粗粒度视觉任务之间的交互式权重迁移能有效缓解学习中的过拟合。这促使我们在分割流程中设计一种新的训练方案。我们的方法在 CVC-EndoSceneStill 和 Kvasir-SEG 数据集上进行了评估。与 EndoSceneStill 和 Kvasir-SEG 数据集上的 SOTA 方法相比，分别实现了 4.34% 和 5.70% 的 Polyp-IoU 提升。
引用
@article{arxiv.2211.02416,
title = {Rethinking the transfer learning for FCN based polyp segmentation in colonoscopy},
author = {Yan Wen and Lei Zhang and Xiangli Meng and Xujiong Ye},
journal= {arXiv preprint arXiv:2211.02416},
year = {2022}
}
备注
11 pages, 10 figures, submit version