20、眼科图像分析与处理：多尺度池化、正则化及质量增强方法

眼科图像分析与处理：多尺度池化、正则化及质量增强方法

1. 多尺度全局平均池化（Multi-scale Global Average Pooling）

全局平均池化（GAP）不仅能减少全连接层的参数，还能充分利用空间信息。但由于视网膜色素变性（RP）病变的分布和大小各异，判别特征的尺寸缩小到难以生成具有准确空间信息的病变激活图（LAM）。因此，引入了多尺度全局平均池化（MS - GAP）来有效聚合病变的多尺度全局特征。

1.1 多尺度特征聚合步骤

1. 调整特征尺寸 ：将所有特征调整为相同大小。
2. 生成特征向量 ：使用GAP生成三个尺度的特征向量。
3. 拼接特征向量 ：将生成的特征向量进行拼接。

1.2 相关公式

对于给定的特征图，设 $f_{ki}(x, y)$ 表示第 $i$ 个尺度特征单元 $k$ 在空间位置 $(x, y)$ 的激活值。
- 使用GAP处理尺度 $i$ 的特征单元 $k$ 的结果为：$F_{ki} = \sum_{x,y} f_{ki}(x, y)$
- 对于给定类别 $c$，输入到softmax层的分类得分可表示为：$S_c = \sum_{i} \sum_{k} w_{c}^{ki} \sum_{x,y} f_{ki}(x, y)$
- 分类目标可以用标准分类损失函数表示：$L_{cls} = - \sum_{D} l \cdot \log S_I$
- 病变激活图 $M (x, y)$ 可