【论文阅读笔记】U-Net: Convolutional Networks for Biomedical Image Segmentation

Abstract

成功训练一个深度网络需要大量的已标注的训练样本。我们提出了一种网络和训练策略:

  • 使用数据增强(data augmentation)
    大量使用数据增强去更有效的利用的标注好的样本。
  • 网络由收缩路径(contracting path)和 扩张路径(expanding path)组成
    contracting path用来获取context,即上下文信息
    和收缩路径对称的扩张路径用来精确定位
    我们的网络可以从很少的图像中进行端到端的训练,不仅表现好速度还很快。

introduction

related work

Ciresan等人用patch对每个像素点分类

卷积网络的典型用途是分类任务,它对一张图像的输出是单个类别的标签。但是在许多视觉任务中,尤其是在生物医学图像处理中,期望的输出应该包含定位,也就是应该为每一个像素分配一个类别标签。
Ciresan等人就通过

  • 0
    点赞
  • 0
    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