UNET——经典的CNN架构,上下文信息进行统一

题目:U-Net:Convolutional Networks for Biomedical Image Segmentation

1.概述

利用contracting path(收缩路径)捕获上下文信息,symmetric expanding path(对称扩展路径)就获取精确的定位信息,(本质上是编码和解码过程)将两者结合,得到一个很好的效果。结构如下:
image.png

2.主要内容

  • 文中:“Larger patches require more max-pooling layers that reduce the localization accuracy, while

small patches allow the network to see only little context.”池化操作会失去特征的空间关系,造成定位精度下降以及部分特征信息的损失,但也增加了泛化能力,加速收敛。

  • “fully convolutional network”全卷积的网络,没有全连接层。
  • “Overlap-tile”重叠切片,对边缘区域利用镜像的方式进行弥补缺失的内容。

image.png

  • “touching-cell”,对相邻的对象采用weighted loss的方法,在对象间拥有较大的weight在los
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