Semi-supervised Deep Learning for Fully Convolutional Networks文章解读
来源:互联网 发布:为什么知乎加载不出来 编辑:程序博客网 时间:2024/05/16 10:23
目前对FCN分割还没有半监督的方法,本文提出auxiliary manifold embedding的概念在随机特征内嵌的辅助下用于FCN的半监督学习,并且用已提出的方法对现有的MS lesion分割任务进行实验验证。
1引言
在本文中,我们提出了auxiliary manifold embedding的概念到FCN中,这种新颖的策略叫做"随机特征嵌入"。随后,我们成功执行我们提出的针对域适应的FCN的半监督微调嵌入技术对MS病变分割的挑战性任务。
2方法论
这里首先对符号进行了定义和说明;
2.1 Auxiliary Manifold Embedding
本文定义了两个损失项,Lp为有标签数据的损失(Dice-loss),而LE为无标签数据的损失(auxiliary manifold embedding loss);其中LE定义在有标签数据和无标签数据的潜在特征表示h(.),这个损失最小化了在潜在特征空间相似输入的差异。
总的代价函数可用公式1来表示,1式代价函数的旨在最小化
LE的定义可用公式2来表达;矩阵A为训练batch内嵌样本nE间的邻接矩阵,d(.,.)是两个latent特征表示间的任意距离度量,本文的距离度量方式采用angular cosine distan(ACD)的距离度量方式;
文中说A的定义是留给用户可以是任意的,本文对于A的定义可采用下面英文描述的那样:
2.2随机特征嵌入
由于采样和比较大图像中所有像素点的h(.)是计算和比较量较大,因此实际实现上是不可行的,因此在本文提出了以下随机采样策略来只对一部分像素进行比较
随机特征嵌入(RFE):我们根据一些在下一节讨论的抽样策略随机抽取有限数量的nE的像素从当前批次的特征图中,以限制比较的数量。该损失保持有效,因为我们仅传播所选像素的梯度。
采样策略:理想情况下,随机采样嵌入的分布应该模仿如图2所示的所有嵌入之一,同时关注的类间分布,以便不会将不想要的偏重引入模型。因此本文开发了一种采样策略。
以下就是本文开发的随机采样策略方案:
3实验和结果
- Semi-supervised Deep Learning for Fully Convolutional Networks文章解读
- Semi-supervised Learning for Network-Based Cardiac MR Image Segmentation文章解读
- 「Deep Learning」FCN - Fully Convolutional Networks
- Semi-Supervised Learning with Generative Adversarial Networks
- SEMI-SUPERVISED CLASSIFICATION WITH GRAPH CONVOLUTIONAL NETWORKS个人理解
- Supervised Deep Learning with Auxiliary Networks
- Fully Convolutional Networks for Semantic Segmentation
- Fully Convolutional Networks for Semantic Segmentation
- Fully Convolutional Networks for Semantic Segmentation
- Fully-Convolutional Siamese Networks for Object Tracking
- Fully Convolutional Networks for Semantic Segmentation
- Fully Convolutional Networks for Semantic Segmentation
- Fully Convolutional Networks for Semantic Segmentation
- 论文《Fully Convolutional Networks for Semantic Segmentation》
- Unsupervised, Semi-Supervised, Supervised Learning
- Supervised Learning of Semantics-Preserving Hashing via Deep Neural Networks for Large-Scale Image S
- semi-supervised learning
- Semi-supervised learning
- spring事物配置,声明式事务管理和基于@Transactional注解的使用
- loadrunner学习坑太多1——loadrunner11安装和破解
- Fatal error: Uncaught exception 'Exception' with message 'DateTime::__construct(): It is not safe to
- 11-面向对象(内部类-概述)1 11-面向对象(内部类-概述)2 11-面向对象(内部类-概述)3
- $ajax 跨域请求 node.js 前后端写法
- Semi-supervised Deep Learning for Fully Convolutional Networks文章解读
- 7代酷睿遭微软正式封杀, Kaby Lake 和Ryzen 很受伤!
- Java中Properties类的操作
- ERROR:ORA-01033: ORACLE initialization or shutdown in progess
- 蚂蚁金服加价36%并购速汇金,但美方监管障碍依然存在
- 洛谷U13669 一道好题——和谐的村庄
- 传统到soa构架的演变
- 第八周LeetCode
- poj 2886