1、U-Net简介
u-net用于生物医学图像分割的卷积网络(MICCAI,2015年)
在生物医学图像处理中,为图像中的每个细胞获取分类标签非常重要。 生物医学任务的最大挑战是成千上万张用于训练的图像不容易获得。
论文(https://arxiv.org/abs/1505.04597)建立在完全卷积层的基础上,并对其进行了修改,以处理一些训练图像并产生更精确的分割。
由于只有很少的训练数据可用,因此该模型通过在可用数据上施加弹性变形来使用数据增强。 如上图1所示,网络体系结构由左侧的收缩路径和右侧的扩展路径组成。
2、环境及数据集准备
基于tensorflow2、Keras、opencv,建议准备gpu测试
代码及数据集均参考(感谢作者):