本文主要是介绍TransFuse: Fusing Transformers and CNNs for Medical Image Segmentation,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
在息肉分割任务上表现SOTA!性能优于SETR、PraNet和ResUNet++等,速度高达98.7 FPS!
注1:文末附【Transformer】和【医疗影像】交流群
注2:整理不易,欢迎点赞,支持分享!
TransFuse: Fusing Transformers and CNNs for Medical Image Segmentation
- 作者单位:Rayicer, 佐治亚理工学院
- 论文:https://arxiv.org/abs/2102.08005
具有深度特征表示和跳跃连接的基于U-Net的卷积神经网络极大地提高了医学图像分割的性能。
在本文中,我们研究了更具挑战性的问题,即在不损失low-level细节的定位能力的情况下提高全局上下文建模效率的问题。提出了一种新颖的两分支架构TransFuse,该架构以并行方式结合了Transformers和CNN。
这篇关于TransFuse: Fusing Transformers and CNNs for Medical Image Segmentation的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!