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