Core Concepts
Efficient multi-task network YOLO-Med balances accuracy and speed for object detection and semantic segmentation in biomedical images.
Abstract
研究提出了一种名为YOLO-Med的高效端到端多任务网络,能够同时执行生物医学图像中的目标检测和语义分割。该模型在Kvasir-seg数据集和私人生物医学图像数据集上表现出色。它不仅在两个任务中实现了高准确性,还保持了实时推理速度。研究验证了跨尺度任务交互模块的有效性,强调了在生物医学领域跨尺度跨任务信息融合的价值。
Stats
Kvasir-segデータセットでのYOLO-Medモデルは、オブジェクト検出において97.32%のAP50と88.64%のmeanIoUを達成しました。
私有データセットでのYOLO-Medモデルは、オブジェクト検出において94.72%のAP50と73.02%のAP95を達成しました。
Quotes
"Our model excels in performance on two datasets: Kavarsir-seg and a private dataset."
"Compared with other multi-task networks for biomedical images, YOLO-Med shows promising results in the trade-off between accuracy and speed."