U-Net: Convolutional Networks for Biomedical Image Segmentation
(本人才疏学浅,如有错误欢迎指正)
论文地址:https://lmb.informatik.uni-freiburg.de/people/ronneber/u-net/
1 摘要
卷积神经网络在生物图像分割上的应用
用于解决的问题:
一般来说成功训练深度网络需要数千个带注释的训练样本,但在生物医学任务中,成千上万的训练图像通常是遥不可及的。这篇文章提出了一种网络和训练策略,它依赖于数据扩充的强大使用,以更有效地使用可用的带注释的样本。该体系结构由捕获上下文的收缩路径和支持精确定位的对称扩展路径组成。这样的网络可以从非常少的图像中端到端地训练。
2 引言
卷积网络+生物医学图像处理需要解决的两个问题
- 1.定位问题
卷积网络的典型用途是分类任务,其中图像的输出是单个类别标签。然而,在许多视觉任务中,特别是在生物医学图像处理中,期望的输出应该包括定位,即,假设为每个像素分配一个类标签。 - 2.训练图像的数量很少