原文名字《2021_Quan_Cite=224_Fusionnet A deep fully residual convolutional neural network for image segmentation in connectomics》
用途:用于自动分割连接组学数据中的神经元结构
主要方法:引入了FCN中的基于求和的Skip Architecture,U-net和ResNet相结合,允许更深入的网络结构以实现更精确的分割。
应用场景:连接组学connectomics,区分神经元之间的连接关系。特点就是数据量太大,好几个T呢。
做后处理post-processing enhancement (比如用CRF做后处理),会使得效果变得更好一点。
模型架构图
他这个是典型的汉堡结构,绿紫绿 绿紫绿 这样循环往复。绿色这个是一个卷积层conv,紫色这个是residual net,由3个卷积块一个skip connection组成。所以这个绿紫绿的汉堡结构是两个卷积层夹着一个residual net
我按照绿紫绿作为一个模块,在fusion net的架构图上进行的标注,一共是9个这样模块。在下采样的时候,模块与模块之间的链接是蓝色,也就是下采样;之后上采样的时候,是