Bio-Net：编解码器结构的循环双向连接网络

目录

摘要

方法

循环双向跳跃连接

前向跳跃连接

后向跳跃连接

递归的推断训练

BiO-Net网络结构

总结

---

摘要

对UNet以前的扩展主要集中对现有模块的改进或者提出新的模块来提高性能。因此这些变量通常会导致模型的复杂性不可忽视的增加。为了解决这种复杂性的问题。在本文中提出了一种新的双向O型网络BiO-Net，它以循环的方式重用模块，而不用引入任何额外的参数。本文提出的双向跳过连接可以直接用于任何编码器-解码器结构

BiO-Net通过一种新的特征重用机制提高了UNet的性能，这个机制在编码器和解码器之间建立的双向连接，以递归的方式进行训练

BiO-Net通过后向跳跃连接将将解码的特征映射回编码器，并在编码器和解码器之间进行递归。与以往的工作相比，我们的方法实现了更好的特征细化，因为我们的BiO-Net触发了多个编码和解码过程。

方法

本文提出的方法如下图所示：

网络以O形方式进行递归训练 ，整体网络结构与UNet网络结构基本相似，但是其采用了成对的双向连接。

循环双向跳跃连接

这个网络结构的主要创新之处在于引入了双向跳跃连接，这有助于编码器处理解码器中的语义特征。

前向跳跃连接

前向跳跃连接将编码器和解码器连接在同一级别，可以保留编码后的低级