YoloV8改进策略:Block改进|C2f模块改进|CDFA,对比驱动特征聚合模块|即插即用,极大增强特征表达!

论文信息

  • 标题: ConDSeg: A General Medical Image Segmentation Framework via Contrast-Driven Feature Enhancement
  • 作者: Mengqi Lei, Haochen Wu, Xinhua Lv, Xin Wang
  • 机构: 中国地质大学(武汉),百度公司
  • 发表时间: 2024年12月11日
  • 会议: AAAI 2025
  • 论文: https://arxiv.org/pdf/2412.08345
  • GitHub链接: https://github.com/Mengqi-Lei/ConDSeg

论文概述

ConDSeg框架旨在解决医学图像分割中的两个主要挑战:前景与背景之间的“软边界”问题,以及医学图像中普遍存在的共现现象。这些问题导致模型在分割时容易产生误判。为此,ConDSeg引入了多种创新模块,以提高分割性能。