[资料]

基于MLP的快速医学图像分割网络UNeXt相关资料分享

2022-9-23 14:53:05 3937 图像分割感知器编解码器

0 1、基于MLP的快速医学图像分割网络UNeXt 　　方法概述　　之前我们解读过基于 Transformer 的 U-Net变体，近年来一直是领先的医学图像分割方法，但是参数量往往不乐观，计算复杂，推理缓慢。这篇文章提出了基于卷积多层感知器（MLP）改进 U型架构的方法，可以用于图像分割。设计了一个 tokenized MLP 块有效地标记和投影卷积特征，使用 MLPs 来建模表示。这个结构被应用到 U型架构的下两层中（这里我们假设纵向一共五层）。文章中提到，为了进一步提高性能，建议在输入到 MLP的过程中改变输入的通道，以便专注于学习局部依赖关系特征。还有额外的设计就是跳跃连接了，并不是我们主要关注的地方。最终，UNeXt 将参数数量减少了 72倍，计算复杂度降低了 68 倍，推理速度提高了 10 倍，同时还获得了更好的分割性能，如下图所示。　　UNeXt 架构　　UNeXt 的设计如下图所示。纵向来看，一共有两个阶段，普通的卷积和 Tokenized MLP 阶段。其中，编码器和解码器分别设计两个Tokenized MLP块。每个编码器将分辨率降低两倍，解码器工作相反，还有跳跃连接结构。每个块的通道数（C1-C5）被设计成超参数为了找到不掉点情况下最小参数量的网络，对于使用 UNeXt 架构的实验，遵循 C1 = 32、C2 = 64、C3 = 128、C4 = 160 和 C5 = 256。　原作者：李响 0 基于 MLP 的快速医学图像分割网络 UNeXt.pdf 367.71 KB , 下载次数: 1
举报淘帖0 只看该作者最近下载过的用户(1) 相关推荐 • 深度学习在医学图像分割与病变识别中的应用实战 2140 • 介绍一种用于密集预测的mlp架构CycleMLP 1251 • van-自然和医学图像的深度语义分割：网络结构 1869 • van-自然和医学图像的深度语义分割：网络结构 2023 • 使用全卷积网络模型实现图像分割 2087 • FCM聚类算法以及改进模糊聚类算法用于医学图像分割的matlab源程序 3493 • FCM聚类算法用于医学图像分割matlab源程序 4576 • 图像分割 3861 • 图像分割和图像定位的c语言算法代码 5552 • 基于改进遗传算法的图像分割方法 3090