医学图像分割 | 86 FPS！HarDNet-MSEG：基于编码器-解码器的息肉分割网络

论文标题：HarDNet-MSEG: A Simple Encoder-Decoder Polyp Segmentation Neural Network that Achieves over 0.9 Mean Dice and 86 FPS 论文链接：https://arxiv.org/abs/2101.07172 代码链接：https://github.com/james128333/HarDNet-MSEG 作者单位：台湾清华大学 表现SOTA！性能优于ResUNet++、PraNet和DeepLabv3+等网络，代码刚刚开源！

我们提出了一种用于息肉分割的HarDNet-MSEG卷积神经网络。在五个流行的数据集上(如Kvasir-SEG)，它在准确性和推理速度上都达到了SOTA。对于Kvasir-SEG，HarDNet-MSEG在GeForce RTX 2080 Ti GPU上以86.7 FPS的运行速度提供0.904 mean Dice。它由骨干网和解码器组成。骨干是一个low memory traffic的CNN，称为HarDNet68，已成功应用于各种CV任务，包括图像分类，目标检测，多目标跟踪和语义分割等。解码器部分的灵感来自级联部分解码器，众所周知快速准确的显著性目标检测。 我们使用这五个流行的数据集对HarDNet-MSEG进行了评估。

内容中包含的图片若涉及版权问题，请及时与我们联系删除