机器学习笔记 - Keras + TensorFlow2.0 + Unet进行语义分割

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）：