Resumen

Con el desarrollo del aprendizaje profundo, se han logrado avances en el campo de la segmentación semántica. Sin embargo, es difícil generar una máscara fina en las mismas imágenes médicas porque estas tienen bajo contraste, alta resolución e información semántica insuficiente. En la mayoría de los escenarios, enfoques existentes utilizan principalmente una capa de agrupación para reducir la resolución de los mapas de características. Por lo tanto, les resulta difícil considerar las características de toda la imagen, lo que resulta en pérdida de información y degradación del rendimiento. En este artículo se propone una red de segmentación semántica codificador-decodificador asimétrica multisegmento. La red consta de dos partes, que realizan la extracción de características y la restauración de la imagen en la entrada, respectivamente. La red codificadora obtiene información de características multisegmento conectando múltiples módulos ASPP para formar una pirámide de características. Mientras tanto, la capa de upsampling de cada decodificador puede conectarse al mapa de características generado por el módulo AS

• Materias:Cifrado de búsqueda Seguridad informática Reconstrucción virtual Detección de intrusos Sistema de programación
• Subjects:Search encryption Computer security Virtual reconstruction Intrusion detection Programming system
• Palabras claves:Desarrollo; Aprendizaje profundo; Segmentación semántica; Imágenes médicas; Extracción de características; Multiescala;
• Keywords:Development; Deep learning; Semantic segmentation; Medical images; Feature extraction; Multiscale;