摘要
- 逐像素图像分割是计算机视觉领域中一项艰巨的任务。传统的由编码器和解码器组成的U-Net架构在医学图像、卫星图像等的分割中非常流行。通常情况下,神经网络初始化的权重来自于在像ImageNet这样的大数据集上预训练的网络,其性能优于在小数据集上从头开始训练的神经网络。在一些实际应用中,特别是在医学和交通安全方面,模型的准确性是至关重要的。在本文中,我们演示了如何通过使用预训练编码器来改进U-Net类型架构(看上去本文的重心在于改进UNet)。我们的代码和相应的预训练权重可以在https://github.com/ternaus/TernausNet上公开获得。我们比较了三种权值初始化方案:LeCun统一、VGG11的权值编码器和Carvana数据集上训练的全网络。这个网络架构是在Kaggle: Carvana图像掩蔽挑战中获胜的解决方案(从735个方案中脱颖而出)的一部分。
介绍
- 计算机硬件的最新进展以及执行密集计算的民主化使研究人员能够使用具有数百万自由参数的模型。卷积神经网络(CNN)已经在图像分类、目标检测、场景理解等方面取得了成功。对于几乎所有的计算机视觉问题,基于cnn的方法都优于其他技术,在许多情况下甚至优于相应领域的人类专家。现在,几乎所有的计算机视觉应用都试图采用深度学习技术来改进传统方法。它们影响着我们的日常生活,这些技术的潜在用途看起来确实令人印象深刻。
- 可靠的图像分割是计算机视觉的重要课题之一。这个问题对于医学成像来说尤其重要,它可以潜在地提高我们的诊断能力和场景理解能力,从而使自动驾驶汽车更加安全。密集图像分割本质上是将图像划分为有意义的区域,可以看作是一个像素级的分类任务。解决这类问题最直接(也是最慢)的方法是对图像进行人工分割。然而,这是一个耗时的过程&#x