UCTLFANet：一种用于微藻图像分割的低阶微调模型

《Scientific Reports》：UCTLFANet: a low-rank fine-tuning model for microalgae image segmentation

　　

摘要

微调模块在优化模型参数结构的同时，还能节省计算资源。我们提出了UCTLFANet，这是一种用于微藻图像分割的低秩微调模型。该模型支持微藻的形态分析、细胞计数和生理状态评估。在本文中，我们创新性地提出了一种利用大型语言模型进行微藻图像分割的低秩微调方法。该模块采用LoRA-FA方法通过低秩增量来调整模型的原始训练权重。经过微调后，模型在参数更新最少的情况下完成分割任务，从而提高了微藻分割的效率和准确性。为了进一步探讨该模块的作用，我们在实验中将它添加到UCTLFANet模型的全连接层和卷积层中，并比较了它们的性能。结果表明，将该模块集成到全连接层中可以获得最佳效果。与UNet、UNet++、Attention-UNet和UCTransNet模型相比，我们的方法表现出更优越的性能。此外，将LoRA-FA模块集成到UNet、UNet++和Attention-UNet模型中后，发现UCTLFANet更为先进和有效。此外，所提出的模型在泛化到其他数据集或应用方面显示出良好的潜力，使其成为更广泛的海洋微生物成像检测的可行工具。