YOLO-MED：用于生物医学图像的多任务交互网络
计算机视觉与模式识别
2024-03-04 v1
摘要
目标检测和语义分割是生物医学图像分析的关键组成部分。当前的单任务网络在检测和分割任务中均表现出有希望的结果。多任务网络因其能够同时处理分割和检测任务，同时加速分割推理而备受关注。然而，最近的多任务网络面临着明显的局限性，例如难以在准确性和推理速度之间取得平衡。此外，它们往往忽视了跨尺度特征的整合，而这对于生物医学图像分析尤为重要。在本研究中，我们提出了一种高效的端到端多任务网络 YOLO-Med，能够并发执行目标检测和语义分割。我们的模型采用骨干网络和颈部网络进行多尺度特征提取，并辅以两个特定任务的解码器。为了促进不同任务之间的信息融合，我们采用了跨尺度任务交互模块。我们的模型在 Kvasir-seg 数据集和一个私有生物医学图像数据集上的评估中，在平衡准确性和速度方面表现出有希望的结果。
引用
@article{arxiv.2403.00245,
title = {YOLO-MED : Multi-Task Interaction Network for Biomedical Images},
author = {Suizhi Huang and Shalayiding Sirejiding and Yuxiang Lu and Yue Ding and Leheng Liu and Hui Zhou and Hongtao Lu},
journal= {arXiv preprint arXiv:2403.00245},
year = {2024}
}
备注
Accepted by ICASSP 2024