Page 324 - 《软件学报》2021年第11期

3650 Journal of Software 软件学报 Vol.32, No.11, November 2021

H/4×W/4 和 H/8×W/8.然后使用双线性插值对 3 个特征图进行上采样,分别上采样 2 倍、4 倍和 8 倍.上采样之
后的特征图与输入眼底图像拥有相同的分辨率.训练时,每个特征图接一个监督损失,因此这 3 个特征图可以理
解为不同尺度下的微动脉瘤分割结果.随后对 3 个特征图进行拼接操作,得到一个厚度为 3 的特征图,再次使用
1×1 的卷积操作,得到一个融合之后的厚度为 1 的特征图.训练时,此特征图后接一个损失函数.在测试时,对融合
后的特征图进行 sigmoid 运算,即得到微动脉瘤的分割概率图.因此,分割分支的输出是多尺度融合的结果.从图
3 中可以看出,微动脉瘤解码分支一共包括 4 个损失,其中 3 个为监督损失.

Fig.3 Microaneurysms segmentation branch
图 3 微动脉瘤分割分支
解码器中出血点分割分支如图 4 所示.与微动脉瘤分割分支不同的是,出血点分割分支从 conv3~conv5 得到
3 个特征图,随后进行上采样操作.另外,从 conv5 卷积得到的特征图需要上采样 16 倍恢复到原图的分辨率.随后
对 3 个特征图进行拼接操作,得到一个厚度为 3 的特征图,再次使用 1×1 的卷积操作,得到一个融合之后的厚度
为 1 的特征图.随后的操作与微动脉瘤分割分支中的一致.此分支中同样存在 4 个损失函数,其中 3 个为监督损
失(如图 4 所示).

Fig.4 Hemorrhage segmentation branch
图 4 出血点分割分支