典型文献
基于多层级特征自适应融合的图像分割算法
文献摘要：
为了解决传统算法对医学图像分割时精度较低的问题,提出基于多层级特征自适应融合的新型FR-Unet图像分割算法.在编码器阶段,设计采样加权模块替代传统卷积层,对图像空间信息进行逐层提取和特征融合,获得相邻像素之间的相关性和不同层次的语义信息.在解码器阶段,设计多层级自适应融合模块,通过非线性跳跃连接逐层提取图像通道信息,自适应地融合邻近连接层的上下文信息,使各层专注不同特征信息的提取.FR-Unet在模型参数量上大幅度减少,让网络在场景部署上得到更好的支持.实验结果表明,该网络在动物细胞分割、肝脏器官分割、皮肤病变分割等众多任务中均表现突出.
文献关键词：
图像分割;FR-Unet;逐层提取;采样加权模块;多层级自适应融合模块
中图分类号：
作者姓名：
袁小平;何祥;王小倩;胡杨明
作者机构：
中国矿业大学信息与控制工程学院,江苏徐州 221116
文献出处：
引用格式：
[1]袁小平;何祥;王小倩;胡杨明-.基于多层级特征自适应融合的图像分割算法)[J].浙江大学学报（工学版）,2022(10):1958-1966
A类：
采样加权模块,多层级自适应融合模块
B类：
多层级特征,特征自适应融合,图像分割算法,传统算法,医学图像分割,FR,Unet,在编,编码器,卷积层,图像空间,空间信息,逐层提取,特征融合,像素,不同层次,语义信息,解码器,跳跃连接,上下文信息,特征信息,模型参数量,场景部署,上得,动物细胞,细胞分割,脏器,皮肤病变,多任务
AB值：
0.286446
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
