SA-UNet：用于视网膜血管分割的空间注意力 U-Net
图像与视频处理
2020-10-22 v3 计算机视觉与模式识别
摘要
视网膜血管的精确分割对于糖尿病和高血压等眼部相关疾病的早期诊断具有重要意义。在本工作中，我们提出了一种名为空间注意力 U-Net（SA-UNet）的轻量级网络，它不需要数千个标注训练样本，并且可以以数据增强的方式利用可用的标注样本以提高效率。SA-UNet 引入了一个空间注意力模块，该模块沿空间维度推断注意力图，并将注意力图与输入特征图相乘以进行自适应特征细化。此外，所提出的网络采用结构化 dropout 卷积块替代 U-Net 的原始卷积块，以防止网络过拟合。我们基于两个基准视网膜数据集评估 SA-UNet：血管提取（DRIVE）数据集和儿童心脏与健康研究（CHASE_DB1）数据集。结果表明，所提出的 SA-UNet 在两个数据集上均达到了最先进的性能。实现代码和训练好的网络已在 Github1 上提供。
引用
@article{arxiv.2004.03696,
title = {SA-UNet: Spatial Attention U-Net for Retinal Vessel Segmentation},
author = {Changlu Guo and Márton Szemenyei and Yugen Yi and Wenle Wang and Buer Chen and Changqi Fan},
journal= {arXiv preprint arXiv:2004.03696},
year = {2020}
}
备注
ICPR 2020