SLP-Net：一种用于皮肤病变分割的高效轻量级网络
图像与视频处理
2024-01-05 v2 计算机视觉与模式识别
机器学习
摘要
黑色素瘤的及时治疗至关重要。为了协助医生快速准确地识别病变区域，我们提出了一种名为 SLP-Net 的新型皮肤病变分割技术，这是一种基于脉冲神经 P (SNP) 系统机制的超轻量级分割网络。大多数现有的卷积神经网络在实现高分割精度的同时，忽略了高昂的硬件成本。相比之下，SLP-Net 参数量极少且计算速度快。我们设计了一种无需传统编码器 - 解码器结构的轻量级多尺度特征提取器。我们设计了一个特征自适应模块来替代解码器，以实现多尺度信息解码。在 ISIC2018 挑战赛上的实验表明，所提出的模型在准确率 (Acc) 和 Dice 相似系数 (DSC) 方面优于现有的最先进方法，而在 PH2 数据集上的实验也证明了其良好的泛化能力。最后，我们在实验中比较了各模型的计算复杂度和计算速度，结果显示 SLP-Net 具有最高的整体优越性。
引用
@article{arxiv.2312.12789,
title = {SLP-Net:An efficient lightweight network for segmentation of skin lesions},
author = {Bo Yang and Hong Peng and Chenggang Guo and Xiaohui Luo and Jun Wang and Xianzhong Long},
journal= {arXiv preprint arXiv:2312.12789},
year = {2024}
}