类型 | 说明 |
---|---|
论文信息 | U-Net: Convolutional Networks for Biomedical Image Segmentation Olaf Ronneberger, Philipp Fischer, and Thomas Brox |
会议期刊 | MICCAI 2015 |
作者所在机构 | 德国弗莱堡大学 |
解决的问题 | 生物医学分割任务 |
模型名 | U-Net |
模型结构 | |
模型特点 | 1.U字型结构,上采样需要用到前四个Block生成的特征图 2.注意到卷积层No-padding,所以下采样Block产生的特征图大小与上采样后的特征图大小不一致,需要裁减 |
数据集 | ISBI 2012 挑战赛数据集(注册页面404,无法获取) |
数据增强 | 使用3×3的随机替换的平滑变换 每个像素的替换使用双三次差值进行计算 |
相关参数 | SGD优化算法,momentum=0.99,batchsize=1,框架caffe 初始化:标准差为 2 N \sqrt{\frac{2}{N}} N2的高斯分布初始化权重, N N N为输入节点个数 |
Softmax | p k ( x ) = e a k ( x ) ∑ k ′ = 1 K e a k ′ ( x ) p_k\left(x\right) = \frac{e^{a_{k}\left(x\right)}}{\sum_{k^{\prime} = 1}^{K} e^{a_{k}^{\prime}\left(x\right)}} pk(x)=∑k′=1K |
U-Net: Convolutional Networks for Biomedical Image Segmentation
最新推荐文章于 2021-03-03 13:54:49 发布