基于多级分裂HSC·Net的皮肤病图像分割方法 |
| |
引用本文: | 杨国亮,李林森,黄聪,黄经纬.基于多级分裂HSC·Net的皮肤病图像分割方法[J].无线电工程,2023(4):918-924. |
| |
作者姓名: | 杨国亮 李林森 黄聪 黄经纬 |
| |
作者单位: | 江西理工大学电气工程与自动化学院 |
| |
基金项目: | 国家自然科学基金(51365017);;江西省教育厅科技计划项目(GJJ190450,GJJ180484)~~; |
| |
摘 要: | 针对皮肤病图像边界模糊且分布不规则、传统卷积分割方法无法满足对边缘细节提取的问题,提出了多级分裂卷积HSC-Net的皮肤病图像分割方法。网络编码端使用ImageNet上的VGG16-BN预训练模型,预训练参数会在训练过程中进行自动微调。将预训练模型中传统的最大池化层用软池化(Soft-pool)层进行替换,以减少传统池化的精度损失。解码端的HSC通过对特征图信息的分级提取,能高效利用特征信息。在解码端融入极化自注意力(Polarized Self-Attention, PSA)机制,使得空间和通道维度上获取更丰富的梯度信息。在ISIC2018数据集上的实验结果显示,精确度、Jaccard指数和Dice指数分别为96.21%、81.88%、81.65%,在准确性、轻量化和边界分割效果上优于现有的分割方法。
|
关 键 词: | 图像处理 图像分割 多尺度特征融合 软池化 注意力机制 |
|
|