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:

w(x)=w_{c}(x)+w_0\cdot \exp (\frac{(d_{1}(x)+d_{2}(x))^{2}}{2\sigma ^{2}})

分类(softmax):

p_{k}(x)=\exp (a_{k}(x))/(\sum _{k=1}^K \exp (a_{k}(x)))

变形的加权交叉熵:

E=\sum _{x\in \Omega }w(x)\log (p_{l(x)}(x))

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。

 

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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