图像 pipeline_【图像分割】综述探究了未来研究方向

本文是一篇关于语义分割的综述,探讨了网络结构设计如FCN、U-Net、基于注意力的模型,以及损失函数如交叉熵、Dice损失。此外,还讨论了数据合成、未来研究方向,包括优化skip connection、设计新层、神经架构搜索和强化学习在分割中的应用。
摘要由CSDN通过智能技术生成

Title:   Deep semantic segmentation of natural and medical images: A review

作者:Saeid Asgari Taghanakiy · Kumar Abhishek  

发表单位:Simon Fraser University, Canada  

发表于:2020 Artificial Intelligence Review

关键词:分割,综述

一句话总结:分割综述,基本是简单罗列,起到一个查找功能吧,对于划分方式可以借鉴,pipeline较全;

0. Abstract

任务:语义分割,综述

主要将所有方法分为了6个类别:

  • 基于网络结构设计的;

  • data synthesis-based, 基于数据合成的

  • loss function-based, 基于损失函数的

  • sequenced models, 基于序列的模型

  • weakly supervised, 弱监督模型

  • multi-task methods,多任务模型

1. Introduction

医学影像有哪些模态?

X-ray, visible-light imaging (e.g. colour dermoscopic images), magnetic resonance imaging (MRI), positron emission tomography (PET), computerized tomography (CT), and ultrasound (e.g. echocardiographic scans).  

主要将所有方法分为了6个类别:

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值