Adaptive Feature Recombination and Recalibration for Semantic Segmentation: Application to Brain Tum
MICCAI2018
摘要:
1.CNN的特征之间有空间相关性(指的是units in feature maps (FMs) at a given location and the corresponding classified voxels不懂??),FCN利用了特征的融合(FCN可以一次分割体素是什么意思??什么叫一次分割,就是一次可以分割完整个slice)
2.但不是所有的都用空间相关性,所以就有了SEnet里面的注意力机制中的重新校准(SE,block)
3.然而,由于单元和体素之间的空间对应性,这在FCN中不是最佳的。 在本文中,我们通过线性扩展和压缩提出特征重组,以创建更复杂的语义分割特征。(线性扩展和压缩是什么意思???)
介绍:
贡献:
1.由于FM中的单元与体素之间存在空间对应关系,因此希望强调或抑制FM的某些区域,而不是整个FM。(不懂这个关系到底指的是什么?因为,分类的时候global average pooling对每个feature map做,那么这些feature map之间的关系就没有了,你会说后面还有全连接层可以算空间关系啊,但是全连接层算的是global average pooling之后的,在这pooling之后的元素全是每个feature map上下文的信息(即一个图片的全局信息),而分割的时候所有神经元,相同位置所对应的元素,这些元素之间都跟最后的分割有关系,所以这就叫空间关系)
2.在重组中,我们采用线性扩展,然后压缩以混合信息,而不是仅减少FM数。
3.用孔洞卷积代替了global average pooling在se block中(为什么??因为使用卷积,可以结合空间信息,那为什么一定是孔洞呢?我的理解是其实普通卷积也可以,而且也可以压缩维度,但是普通卷积感受野有限,如果采用跟feature map一样大的卷积核,又会导致参数量过大)
4.在公开数据上评估
方法:
baseline segmentation
1.一个2分类WT-FCN用来分割肿瘤,使用这种分割,我们在肿瘤周围定义了一个感兴趣的长方体区域(ROI),每侧有10个额外的体素。(这10个额外的体素是什么意思?就是相当于向外扩展了一下区域,这样取块就能取到更多边界的点,训练的时候边界分割可能也更好一些)
2.最后,第二个多级FCN(MC-FCN)负责分割ROI内的多个肿瘤结构。(多分类)
3.3d的2分类FCN使用3D块和3个pooling,增大感受野,这可以减少假阳性(为什么可以减少假阳性?)
4.MC-FCN(2D,多分类)并没有考虑RR,计算比WT-FCN更便宜,并且使用残差和使得网络与WT-FCN一样深,并没有好处。
Recombination and Recalibration:
1.如果只用普通的se模块,将缺少空间信息,这里用1x1卷积得到更高维度的特征,所以这里通过1x1的卷积对空间信息进行一个加权,然后再使用se模块(为什么一定要是更高维度的特征?)
2.对se模块的改进,由于gloabl average pooling会缺少空间相关性,一个直接的方法就是去掉global average pooling来获得空间相关性,但是又会丢失上下文信息,所以这里用孔洞卷积来代替global average pooling,并且压缩维度获得空间信息,这样既有上下文信息,又有空间信息
RR模块是先接了一个1x1卷积来获得更高维的特征,增多特征,这个特征经过SE模块后,再接一个1x1的卷积来压缩特征,这个卷积学习抑制那些具有很少判别性的特征,合成了更复杂的特征
Adaptive Feature Recombination and Recalibration for Semantic Segmentation: Application to Brain Tum相关推荐
- 论文笔记-SSF-DAN: Separated Semantic Feature based Domain Adaptation Network for Semantic Segmentation
论文信息 论文标题:SSF-DAN: Separated Semantic Feature based Domain Adaptation Network for Semantic Segmentat ...
- 【论文合集】RGBD Semantic Segmentation
来源:GitHub - Yangzhangcst/RGBD-semantic-segmentation: A paper list of RGBD semantic segmentation (pro ...
- CVPR2022自适应/语义分割:Class-Balanced Pixel-Level Self-Labeling for Domain Adaptive Semantic Segmentation
CVPR2022自适应/语义分割:Class-Balanced Pixel-Level Self-Labeling for Domain Adaptive Semantic Segmentation用 ...
- 论文阅读:AF2S3Net:Attentive Feature Fusion with Adaptive Feature Selection for Sparse Semantic
题目:(AF)2-S3Net: Attentive Feature Fusion with Adaptive Feature Selection for Sparse Semantic Segment ...
- 精读《AFNet Adaptive Fusion Network for Remote Sensing Image Semantic Segmentation》
论文地址:AFNet: Adaptive Fusion Network for Remote Sensing Image Semantic Segmentation | IEEE Journals & ...
- 目标检测--Rich feature hierarchies for accurate object detection and semantic segmentation(CVPR 2014)
Rich feature hierarchies for accurate object detection and semantic segmentation 作者: Ross Girshick J ...
- 语义分割--(DFN)Learning a Discriminative Feature Network for Semantic Segmentation
Learning a Discriminative Feature Network for Semantic Segmentation Learning a Discriminative Featur ...
- Deliberated Domain Bridging for Domain Adaptive Semantic Segmentation
Deliberated Domain Bridging for Domain Adaptive Semantic Segmentation Abstract 许多UDA的工作就是尝试通过各种中间空 ...
- RCN-Rich feature hierarchies for accurate object detection and semantic segmentation
Rich feature hierarchies for accurate object detection and semantic segmentation 摘要 标准的PASCAL V ...
最新文章
- Ubuntu16.04 配置pytorch
- 2012.3.17庆祝我的博客创建!名字是web-sheena
- 如何面向用户价值编写敏捷开发用户故事
- #celery#周期性任务
- nyoj 239 月老的难题
- Linux清除用户登录记录和命令历史方法
- for 循环 and while 循环(四)
- python效率numpy_Python数据处理性能对比,原生,Pandas,Numpy哪个更优秀
- 电脑误删文件硬盘U盘内存卡数据修复---EasyRecovery恢复
- windows 下 CUDA 并行编程环境搭建
- cad2004教程_CAD卸载教程
- 国外除了Google还有什么搜索引擎?
- 用javascript和jquery部分知识实现的打地鼠小游戏
- 53 pandas 时间序列-时区处理(tz_localize本地化tz_conver转换)(tcy)
- 最近遇到几个小问题总结
- 微信小程序的wx.chooseImage如何把图片传给后端
- 台式计算机功率图片,【图片】台式机电源别随便买!教你如何选择合适功率的电脑电源!_电脑吧_百度贴吧...
- 睡地板的女高管,也被马斯克裁了!推特丧心病狂的第八轮裁员来了
- 【python+selenium】点触文字验证码的识别
- IDEA的Translation翻译插件失效
热门文章
- C#基础17:匿名方法与Lambda表达式
- Unity3D基础5:摄像机与Game视图
- bzoj 1632: [Usaco2007 Feb]Lilypad Pond(BFS)
- 2017 Multi-University Training Contest - Team 7:1002. Build a tree(递归)
- bzoj 1026: [SCOI2009]windy数(数位dp)
- 使用差分金字塔提取图像边缘 python实现
- 解决MySQL无法正常启动的问题 Can't connect to MySQL server on 'localhost'(10061)
- 简单稳压电源的瞬态分析
- 设计模式01-模板设计模式
- ubuntu 开启ssh