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。
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。
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:
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。