论文阅读笔记：CcNet: A cross-connected convolutional network for segmenting retinal vessels using 多尺度特征

论文链接：CcNet: A cross-connected convolutional network for segmenting retinal vessels using multi-scale features

CcNet: A cross-connected convolutional network for segmenting retinal vessels using multi-scale features

CcNet:交叉连接的卷积网络，使用多尺度特征分割视网膜血管

摘要

本文提出了一种用于视网膜血管树自动分割的交叉连接卷积神经网络(CcNet)。在CcNet中，卷积层提取特征并根据这些特征预测像素类。CcNet直接使用全绿色通道图像进行训练和测试。主路径和次路径的交叉连接融合了多层次的特征。DRIVE: Sn = 0.7625, Acc = 0.9528; STARE: Sn = 0.7709, Acc = 0.9633。在交叉训练阶段，CcNet的准确性波动在DRIVE和STARE分别为0.0042和0.007，与已发表的方法相比相对较小。

1.介绍

CcNet由于其交叉连接模式，能够自动有效地学习多尺度特征。在本文中，我们为RVS（retinal vessel segmentation） 做出了三大贡献:

• 通过