文章来源
https://paperswithcode.com/paper/u-net-convolutional-networks-for-biomedical
U-Net: Convolutional Networks for Biomedical Image Segmentation
U-Net:用于生物医学图像分割的卷积网络
作者单位
德国弗莱堡大学计算机科学系和生物信号研究中心
方法简介
其中之一:30张的果蝇一龄幼虫腹侧神经索(VNC)的连续切片透射电子显微镜图像。u-net(平均超过7个旋转版本的输入数据)在没有任何进一步的预处理或后处理的情况下实现了0.0003529的翘曲误差(新的最佳分数)和0.0382的随机误差。这明显优于Ciresan et al.[1]的滑动窗口卷积网络结果,其最佳提交的翘曲误差为0.000420,兰德误差为0.0504。
1:相较于滑动窗口卷积网络的优点速度快解决了补丁速度慢,单独运行,重叠导致的大量冗余,提高了定位的精确度。
2:构建的全卷积网路,没有连接层,权值和偏置有自己的范围,可以接受任意尺寸的图像(采用反卷积进行了恢复)。
3:在很少的训练图像上产生更精确的分割。
4:FCN 相比,U-Net 的解码器加入卷积加深处理,跳跃连接使用了 concat操作,将全局特征与局部特征进行结合,而不是简单相加。
1:对训练图像进行弹性变形的数据增强,图像平移,旋转,灰度值变换。
2:许多细胞分割任务中,文章建议使用加权损失
3:在具有多个卷积层和不同网络路径的深度网络中,对权值进行良好的初始化是非常重要的。
4:对图像进行镜像操作和裁剪。
文章是自己在假期阅读,自己是本科生,刚刚接触深度学习图像分割这一方面,文章阅读理解较为浅显,看到的大佬可以指正本人的错误,并给一些相关的建议,感激不尽!!!
Original: https://blog.csdn.net/gouqinan/article/details/122723318
Author: 不喜欢敲代码的小白
Title: 图像分割论文阅读笔记——U-Net: Convolutional Networks for Biomedical Image Segmentation
原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/645371/
转载文章受原作者版权保护。转载请注明原作者出处!