@huanghaian
2020-02-12T15:40:40.000000Z
字数 406
阅读 1158
黄海安
https://arxiv.org/pdf/2002.04207.pdf
传统的cnn基本上是学习纹理,而没有特意强调边界。而专家标注时候是先看边界,然后fill的,作者认为边界和纹理都很重要,本文提出一种可以插入编解码器结构的边cnn网络,在原始unet基础上,相当于多增加了一个解码器结构即一个编码器+2个解码器。一个解码器负责学习纹理即原始的结构,再加一个辅助的负责学习边界的解码器。
而边分支也是很简单,就是残差加上attention map而已。作者提出了3个loss,不仅仅有分割loss(dice loss),还有辅助边loss(dice loss +bce loss),为了将两着更好的融合,还提出了一致性loss,用于保存边界一致,具体是对分割预测结果求导数,得到边界图,然后和真实的边界图求l1,由于不可微分,作者采用了替代解法,具体见论文细节。