2015
年提出的用于生物图像分割的网络,并在当时取得了冠军
核心思想:
1.网络由一个收缩子网络核一个扩张子网络构成;收缩主要用来捕捉上下文特征,扩张用来进行定位;
2.收缩网络由卷积层、relu、2*2max polling构成,扩张网络主要由转置卷积来完成;
3.收缩网络特征层分辨率高,用来定位;扩张网络特征层分辨率低,用来分类;
4.收缩网络和扩张网络之间存在快捷连接,将底底层特征和高层特征进行融合,取得更好的分割效果;
5.损失函数采用softmax+交叉损失熵,对于类别不平衡问题可以使用加权的交叉损失熵,可借鉴HED边缘检测中提到的思想;
6.U-Ner不需要大量的训练数据,也能较好的收敛,至于为什么该网络不需要大量数据,还不太清楚,还需进一步思考。