segNet学习记录

segNet学习记录

一.论文部分

1.数据细节

数据集细节我们从m2cai -工具训练集的视频1和2下采样307张图像，并在像素级别将它们注释为各种不同的类别和子类别，如下所示:

• 器官:肝脏，胆囊，上壁，肠
• 器械:抓手，双极，钩，剪刀，剪子，冲洗器，标本袋，套管(提供一个插入手术器械的开口)，夹子(由剪子应用于密封血管的夹子)
• 液体:胆汁，血液
• 杂项:未知(用作标注者无法识别的像素的标签)，黑色(用作图像中周围区域的标签，由于套管针限制了相机的视野，所以不可见)
• 动脉

2.网络构建

由于注释数据的数量相对较少，我们将精力集中在数据效率高的方法上，或者能够很好地处理像我们这样较小的数据集的方法上。我们提出了一个极简的编码器-解码器卷积神经网络，如图2所示。我们将其称为分割网络。
输入图像在训练时被调整为256 x 256。由于我们的数据集很小，我们在训练时进行了10种作物的在线数据增强，我们从所有4个角落和中心取出所有224 x 224作物，以及它们的水平翻转(镜像)。我们通过每通道的RGB均值[0.295,0.204,0.197]和标准偏差[0.221,0.188,0.182]对每个图像进行归一化。这些值是在M2CAI-tool训练集的所有581923帧上计算的。在测试时，输入图像使用相同的均值和标准差进行归一化，但我们没有使用10作物数据增强。在本例中，输入图像的大小被调整为256x256，但是由于我们不使用任何农作物，分辨率保持在256x256，而不是224 x224。对于Encoder部分，我们分别使用64、128、256、512和1024滤波器的卷积层来获得潜在表示。对于网络中的所有卷积层，我们使用的内核大小为4 x 4，步幅为2，填充为1，除了最后一个编码器层，我们使用相同的内核大小，但步幅为1，没有填充。卷积层之后是批处理归一化[16]和ReLU非线性。需要注意的是，我们在网络的第一编码器层中不使用批处理规范化。

一旦我们获得了输入图像经过Encoder后的潜在表示，然后通过Decoder网络，在那里使用基于分数阶卷积的卷积转置层对其进行连续上采样。我们对Latent表示的网络进行镜像ÿ