HarDNet-MSEG：一种简单的编码器-解码器息肉分割神经网络，实现超过0.9的平均Dice系数与86 FPS

我们提出了一种新型卷积神经网络——HarDNet-MSEG，用于息肉分割。该模型在五个主流数据集上均实现了当前最优的精度与推理速度。在Kvasir-SEG数据集上，HarDNet-MSEG的平均Dice系数达到0.904，且在NVIDIA GeForce RTX 2080 Ti GPU上实现86.7 FPS的实时推理速度。该网络由主干网络（backbone）和解码器（decoder）两部分组成。主干网络采用一种低内存访问流量的CNN结构——HarDNet68，该结构已在图像分类、目标检测、多目标跟踪、语义分割等多种计算机视觉任务中取得成功应用。解码器部分受到级联部分解码器（Cascaded Partial Decoder）的启发，该结构以高效且精准的显著目标检测著称。我们已在五个主流数据集上对HarDNet-MSEG进行了全面评估。相关代码及所有实验细节均已开源，可访问GitHub获取：https://github.com/james128333/HarDNet-MSEG