- 博客(2)
- 收藏
- 关注
RSS订阅原创 FPN 代码复现
高语义特征经过上采样后，其长宽与对应的浅层特征相同，而通道数固定为256，因此需要对底层特征C2至C4进行11卷积使得其通道数变为256，然后两者进行逐元素相加得到P4、P3与P2。C1代表了ResNet的前几个卷积与池化层，而C2至C5分别为不同的ResNet卷积组，这些卷积组包含了多个Bottleneck结构，组内的特征图大小相同，组间大小递减。在得到相加后的特征后，利用3×3卷积对生成的P2至P4再进行融合，目的是消除上采样过程带来的重叠效应，以生成最终的特征图。
2024-06-17 16:53:25
374
原创 UNet 代码复现
UNet算法是一种用于图像分割的卷积神经网络（Convolutional Neural Network，简称CNN）架构。它由Olaf Ronneberger等人在2015年提出，主要用于解决医学图像分割的问题。UNet算法的特点是采用了U型的网络结构，因此得名UNet。该网络结构具有编码器（Encoder）和解码器（Decoder）两个部分。编码器负责逐步提取输入图像的特征并降低空间分辨率。解码器则通过上采样操作将特征图恢复到原始输入图像的尺寸，并逐步生成分割结果。
2024-06-17 11:20:07
402
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人