庖丁解牛式的学习,才是真正的事半功倍!这是CVHub公众号的第七篇原创文章,也是 《学术小白也能看懂的学术进阶专栏》(计算机视觉方向)的第七篇文章!
导读
在基于深度学习的医学影像分割任务中,基本在哪都能看到 U-Net 的影子。这是一篇发表于 MICCAI2015(医学影像顶会)的一篇论文,最初提出来是用于解决神经细胞的边界分割。相对于传统的 FCN 结构,U-Net 创新性地加入了跳跃连接,使得可以利用浅层的空间信息帮助细节的恢复。此后,U-Net 便在分割领域大放异彩,在压缩、超分辨率等方向也得到了进一步的应用,很好地证明了这种编码-解码结构的有效性。因此,在本文中,我们以 U-Net 作为案例,从零开始进行眼底血管的分割。
数据集
本次实验我们挑选的是眼底血管分割数据集 DRIVE:
链接: https://www.dropbox.com/sh/z4hbbzqai0ilqht/AAARqnQhjq3wQcSVFNR__6xNa?dl=0)
点击链接后可以看到 test.zip 和 training.zip 分别为测试集和训练集。解压完 training.zip 后有三个文件夹:1st_manual,images 和 mask,分