来源：期刊VIP网 时间：
作者：曾军英;田慧明;陈宇聪;顾亚谨;邓森耀;尹永宏;尤吴杭;黄国林;甘俊英;秦传波;
单位：五邑大学智能制造学部;
摘要：基于CNN和Transformer架构图像分割网络模型参数繁多、计算复杂，需要消耗大量的内存资源，这使得它们无法满足快速、有效的指静脉图像分割需求，并且在算力有限的嵌入式平台部署非常困难。因此，提出一种基于MLP的轻量级手指静脉分割算法。首先，通过不同轴向移动特征图获取信息流来捕获局部依赖性，提高局部信息提取能力；其次，使用标记MLP块对特征图进行标记和投影卷积特征；然后，在下采样和上采样之前都添加一个轻量级注意力模块来提升分割性能，在输入到MLP的同时转移输入的通道，使网络模型更专注于学习本地依赖性。在SDU-FV、HKPU和UTFVP三个公开的手指静脉数据集中进行实验，结果表明：该方法仅使用了346.949K Params、1.835G Flops和11.023M的计算复杂度，分割性能指标Dice、AUC、Acc分别达到0.515 6、0.895 9、91.68%。在三种NVIDIA嵌入式平台上，该算法的Dice和AUC指标均取得了最优性能。
关键词：手指静脉分割;;CNN;;Transformer;;轻量级;;嵌入式平台;;标记MLP
基金资助：国家自然科学基金项目（61771347）;; 广东普通高校人工智能重点领域专项（2019KZDZX1017）;; 广东普通高校重点领域专项（2020ZDZX3031）;; 广东省基础与应用基础研究基金（2021A1515011576）;; 2022年广东省教育厅研究生教育创新计划项目（粤教研函[2022]1号,五邑大学-江门妇幼保健院联合培养研究生示范基地）
