論文の概要: MA-Unet: An improved version of Unet based on multi-scale and attention mechanism for medical image segmentation

• arxiv url: http://arxiv.org/abs/2012.10952v1
• Date: Sun, 20 Dec 2020 15:29:18 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-01 04:39:10.436104
• Title: MA-Unet: An improved version of Unet based on multi-scale and attention mechanism for medical image segmentation
• Title（参考訳）: MA-Unet:医療画像セグメンテーションのためのマルチスケール・アテンション機構に基づくUnetの改良版
• Authors: Yutong Cai, Yong Wang
• Abstract要約: 畳み込みニューラルネットワーク(CNN)は、医用画像セマンティックセグメンテーションの開発を促進する。 本稿では,アテンションゲート(AG)を追加し,スキップ接続操作における意味的曖昧さを解消する。 本モデルでは,より少ないパラメータを導入しながら,セグメンテーション性能が向上する。
• 参考スコア（独自算出の注目度）: 4.082245106486775
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Although convolutional neural networks (CNNs) are promoting the development of medical image semantic segmentation, the standard model still has some shortcomings. First, the feature mapping from the encoder and decoder sub-networks in the skip connection operation has a large semantic difference. Second, the remote feature dependence is not effectively modeled. Third, the global context information of different scales is ignored. In this paper, we try to eliminate semantic ambiguity in skip connection operations by adding attention gates (AGs), and use attention mechanisms to combine local features with their corresponding global dependencies, explicitly model the dependencies between channels and use multi-scale predictive fusion to utilize global information at different scales. Compared with other state-of-the-art segmentation networks, our model obtains better segmentation performance while introducing fewer parameters.
• Abstract（参考訳）: 畳み込みニューラルネットワーク(cnns)は医用画像セマンティクスセグメンテーションの開発を促進するが、標準モデルにはいくつかの欠点がある。 まず、スキップ接続動作におけるエンコーダとデコーダのサブネットワークからの特徴マッピングは、意味的差異が大きい。 第二に、リモート機能依存は効果的にモデル化されない。 第3に、異なるスケールのグローバルコンテキスト情報は無視される。 本稿では,アテンションゲート (ags) を付加し,アテンション機構を用いて局所特徴と対応するグローバル依存性を結合し,チャネル間の依存関係を明示的にモデル化し,マルチスケール予測融合を用いて異なるスケールでグローバル情報を活用することにより,スキップ接続操作における意味的曖昧さを解消する。 他の最先端セグメンテーションネットワークと比較して、より少ないパラメータを導入しながら、より優れたセグメンテーション性能が得られる。

関連論文リスト

• Skin Lesion Segmentation Improved by Transformer-based Networks with Inter-scale Dependency Modeling [0.0]
  メラノーマは異常な皮膚細胞増殖に起因する皮膚癌の一種である。 対称的U-Netモデルの畳み込み操作への依存は、長距離依存をキャプチャする能力を妨げている。 この制限を克服するために、TransformerベースのいくつかのU-Netトポロジが最近作成されている。
  論文  参考訳（メタデータ） (2023-10-20T15:53:51Z)
• A Generic Shared Attention Mechanism for Various Backbone Neural Networks [53.36677373145012]
  自己注意モジュール(SAM)は、異なる層にまたがる強い相関した注意マップを生成する。 Dense-and-Implicit Attention (DIA)はSAMをレイヤ間で共有し、長期間のメモリモジュールを使用する。 我々のシンプルで効果的なDIAは、様々なネットワークバックボーンを一貫して拡張できます。
  論文  参考訳（メタデータ） (2022-10-27T13:24:08Z)
• Multi-scale and Cross-scale Contrastive Learning for Semantic Segmentation [5.281694565226513]
  セグメンテーションネットワークによって抽出されたマルチスケール特徴の識別能力を高めるために,コントラスト学習を適用した。 まず、エンコーダのマルチスケール表現を共通の特徴空間にマッピングすることにより、教師付き局所言語制約の新しい形式をインスタンス化する。
  論文  参考訳（メタデータ） (2022-03-25T01:24:24Z)
• Learning Target-aware Representation for Visual Tracking via Informative Interactions [49.552877881662475]
  トラッキングのための特徴表現のターゲット認識能力を改善するために,新しいバックボーンアーキテクチャを提案する。 提案したGIMモジュールとInBN機構は、CNNやTransformerなど、さまざまなバックボーンタイプに適用可能である。
  論文  参考訳（メタデータ） (2022-01-07T16:22:27Z)
• A Discriminative Channel Diversification Network for Image Classification [21.049734250642974]
  そこで本稿では,グローバルなコンテキストを改善するために,チャネル多様化ブロックと呼ばれる軽量で効果的なアテンションモジュールを提案する。 他のチャネルアテンション機構とは異なり、提案モジュールは最も識別性の高い特徴に焦点を当てている。 CIFAR-10、SVHN、Tiny-ImageNetのデータセットに対する実験により、提案モジュールはベースラインネットワークの性能を平均で3%向上することを示した。
  論文  参考訳（メタデータ） (2021-12-10T23:00:53Z)
• Domain Attention Consistency for Multi-Source Domain Adaptation [100.25573559447551]
  主な設計は、伝達可能な特徴(属性)を識別することを目的とした機能チャネルアテンションモジュールである。 3つのMSDAベンチマーク実験により、DAC-Netは、それらすべてに対して、新たなパフォーマンスを実現することが示された。
  論文  参考訳（メタデータ） (2021-11-06T15:56:53Z)
• Encoder Fusion Network with Co-Attention Embedding for Referring Image Segmentation [87.01669173673288]
  本稿では,視覚的エンコーダをマルチモーダルな特徴学習ネットワークに変換するエンコーダ融合ネットワーク(EFN)を提案する。 EFNには、マルチモーダル機能の並列更新を実現するコアテンションメカニズムが組み込まれている。 4つのベンチマークデータセットによる実験結果から,提案手法がポストプロセッシングを伴わずに最先端の性能を実現することを示す。
  論文  参考訳（メタデータ） (2021-05-05T02:27:25Z)
• Channelized Axial Attention for Semantic Segmentation [70.14921019774793]
  チャネルアキシャルアテンション(CAA)を提案し、チャネルアテンションと軸アテンションをシームレスに統合し、計算複雑性を低減します。 私たちのCAAは、DANetのような他の注意モデルに比べて計算リソースをはるかに少なくするだけでなく、すべての検証済みデータセット上で最先端のResNet-101ベースのセグメンテーションモデルよりも優れています。
  論文  参考訳（メタデータ） (2021-01-19T03:08:03Z)
• Multi-Attention-Network for Semantic Segmentation of Fine Resolution Remote Sensing Images [10.835342317692884]
  リモートセンシング画像におけるセマンティックセグメンテーションの精度は、ディープ畳み込みニューラルネットワークによって著しく向上した。 本稿では,これらの問題に対処するマルチアテンション・ネットワーク(MANet)を提案する。 線形複雑性を伴うカーネル注意の新たなアテンション機構が提案され,注目される計算負荷の低減が図られた。
  論文  参考訳（メタデータ） (2020-09-03T09:08:02Z)
• Universal-RCNN: Universal Object Detector via Transferable Graph R-CNN [117.80737222754306]
  我々はUniversal-RCNNと呼ばれる新しいユニバーサルオブジェクト検出器を提案する。 まず、すべてのカテゴリの高レベルなセマンティック表現を統合することで、グローバルなセマンティックプールを生成する。 ドメイン内推論モジュールは、空間認識GCNによってガイドされる1つのデータセット内のスパースグラフ表現を学習し、伝播する。
  論文  参考訳（メタデータ） (2020-02-18T07:57:45Z)
• Hybrid Multiple Attention Network for Semantic Segmentation in Aerial Images [24.35779077001839]
  グローバルな相関関係を適応的に捉えるために,Hybrid Multiple Attention Network (HMANet) という新しいアテンションベースのフレームワークを提案する。 本稿では,機能的冗長性を低減し,自己注意機構の効率を向上させるため,単純で効果的な領域シャッフルアテンション(RSA)モジュールを提案する。
  論文  参考訳（メタデータ） (2020-01-09T07:47:51Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。