【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