U-Net论文

 

 

 

采用了多尺度的方式，该论文提出是用来做医学图像细胞分割的。提出少量样本即可实现训练。

1.这个模型的输入image进行了边界镜像处理。

2.loss更改

因为这里医学图像的细胞边界容易分割错误，因此给边界的细胞线加了权重。

权重：

分类（softmax）：

变形的加权交叉熵：

3.模型更改

这里的是concat，而FCN为add

4.数据增强

文中所有的卷积过程都没有加pad；并且U-Net没有用vgg等CNN模型作为预训练模型。