U/V-Net Brief
来源:互联网 发布:阿里云第三方接口 编辑:程序博客网 时间:2024/05/17 20:28
- V-Net
- Basic Info
- 针对的问题
- 网络结构
- 训练细节
- 测试结果
- U-Net
- Basic info
- 针对的问题
- 网络结构
- 训练细节
V-Net
Basic Info
- vnet论文
- vnet代码
- 3D Caffe
- 数据集
- 算法排名
针对的问题
三维图像分割。
网络结构
在结构上是三维化的U-net。除了3D卷积以为,在U-net的基础上加上了残差结构,并且把2x2 max-pooling替换成了2x2 conv.
训练细节
- 数据增广
原本的数据集是50个MRI。通过对原先的数据进行随机畸变,通过一个稠密的2x2x2的网格。 - 超参数
3. 其他参数
预测单个Volume速度为1fps
测试结果
以上是对30个MRI进行测试的结果
U-Net
Basic info
- unet论文
- unet代码
- 数据集:ISBI 2012、ISBI 2015、Cell Tracking Challenge
针对的问题
- 基于Patch方式的CNN
Patch-style CNN有2个缺点:1)非常慢,因为需要对每个Patch单独运行CNN,且Patch之间有大量的重叠冗余;2)需要权衡定位准确度和被使用的上下文(context)大小。大的patch需要更多的Max-pooling层,会降低精度;而小的patch则让网络只能看到一个小的context。
同时有好的定位准确度和充分利用context是有可能的。
根据FCN的理念,借助反卷积,实现了一个结构。并且实现地更加优雅。一个重要的修改是,在扩展(expansive)和收缩(contracting)路径对应的层直接前馈传递context(以tensor复制的形式)。 - 相同类的接触对象的分割
这是细胞图像分割中的一个挑战。对此,提出了利用weight loss解决的方法,在接触细胞之间的背景在损失函数中有一个极大的weight.
weight map计算方法
网络结构
训练细节
- 加padding采用镜像的方式(Overlap-tile strategy)
网络初始化
理想情况下,初始权重应该调整至网络中的feature map具有近似的单位方差。在本文中这个可以通过使用具有sqrt(2/N)的高斯分布去初始化权重。数据增广
在数据集比较小的时候,为了让网络学到不变性和鲁棒性,使用数据增广是有必要的。对于显微镜图片,首先要保证平移旋转不变性,也要让畸变和灰度值保持鲁棒性。特别地,对训练集随机弹性畸变是数据增广的一个主要方面.能量函数
根据最终的feature map计算出的soft-max,然后再结合weight map进行计算。其他参数
阅读全文
0 0
- U/V-Net Brief
- BRIEF
- BRIEF
- POJ2762Going from u to v or from v to u?
- 【最短路建模】【d[u] <= d[v] + g[v][u] v--->u】【差分系统】
- cvSVD(&A, &U, &S, &V, CV_SVD_U_T);
- hdu2433 spfa+mark[x][u][v]优化
- PKU 2762 Going from u to v or from v to u? - 单连通图判定
- POJ 2762 Going from u to v or from v to u?
- pku2762(Going from u to v or from v to u?)
- poj 2762 Going from u to v or from v to u?
- POJ 2762 Going from u to v or v to u?
- 试题:编译期确定template <typename U, typename V>中U, V是否为同类型
- poj 2762 Going from u to v or from v to u?
- poj 2762 Going from u to v or from v to u
- poj 2762 Going from u to v or from v to u?
- poj 2762 Going from u to v or from v to u?
- POJ 2762 Going from u to v or from v to u?(Tarjan)
- Activity初步
- 还不知道这 11 个超酷的编程新工具你就 out 了!
- Recyclerview条目的点击回调
- 初识Linux
- 10分钟让你快速掌握Excel的16项重要技巧
- U/V-Net Brief
- web前端页面性能优化小结
- Linux之软件包管理学习笔记
- 分解质因数(5分)
- 二维码的应用,扫描二维码和生成二维码,使用回传值,导入依赖
- 零基础学习hadoop到上手工作线路指导(初级篇)
- 自定义QT标题栏和背景·边框
- 重拾软件工程—(2)软件过程
- 编写IDEA插件之初体验