![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
语义分割
文章平均质量分 93
Shlily.
You only love,live once.
展开
-
U-Net++原作者博客总结笔记
U-Net++原作者博客总结笔记U-Net++笔记参考:要解决的问题:原本U-Net的结构引出的问题下采样有什么作用?如何去解决这些问题填空!!!短连接替换长连接长连接、短连接并存测试高潮(完整的U-Net++出炉!):增加选择性(prune剪枝) (引入deep supervision)三个问题的解答以及在什么时候剪枝怎么决定剪枝剪多少总结作者的简单总结U-Net++笔记参考:本文是根据原论文作者在某乎上的完美演讲进行的一些总结:原文作者大牛的思路讲解:https://zhuanlan.zhihu原创 2021-03-13 12:21:28 · 517 阅读 · 1 评论 -
医学图像分割经典网络:U-Net论文笔记
U-Net————Convolutional Networks for Biomedical Image Segmentation前言:CNN体系语义分割存在的问题:FCN体系语义分割:池化层带来的另一个问题U-Net的策略:摘要:个人翻译:总结:重点一、网络架构—————针对FCN进行modify和extend一些解读:Q:为什么说Encoder-Decoder结构可以解决解决池化层导致位置信息丢失的问题?重点二、对输入进行镜像从而更好的处理边缘细节重点三、加权损失函数的引入Introduction描述引原创 2021-03-06 15:33:15 · 1956 阅读 · 3 评论 -
FCN论文笔记(看目录就知道有多详细:)
FCN论文笔记(看目录就知道有多详细:)一、简介二、对CNN的fc层进行卷积化三、transpose convolution (deconv)(Up-sampling)四、跳跃连接skip layer(也叫特征融合,补偿前后的特征图)五、与传统CNN比较结果总结:六、模型细节(训练技巧)(对原文做的一个总结)七、损失函数NLLLoss()八、数据集九、模型的缺点:十、参考:(标题有够中二)FCN(Fully Convolutional Network)全卷积网络,是应用深度学习进行语义分割的开山大作!!原创 2021-03-02 21:49:47 · 1609 阅读 · 0 评论