论文阅读笔记:U-Net: Convolutional Networks for Biomedical Image Segmentation
来源:互联网 发布:西安办公软件培训班 编辑:程序博客网 时间:2024/05/22 18:22
简介
U-Net: Convolutional Networks for Biomedical Image Segmentation
,基于U-Net卷积神经网络的生物医学图像分割,这篇论文是关于图像语义分割方面的,而且在小规模数据集上表现良好。这篇论文主页链接https://lmb.informatik.uni-freiburg.de/people/ronneber/u-net/。
模型
数据集
这篇论文在很多数据集上训练并且测试过,表现良好。如EM segmentation challenge、ISBI cell tracking challenge中的PhC-U373和DIC-HeLA。概括来说,输入是一张显微镜下的细胞图像,标签是已分割好的图像。
模型架构
U-Net网络结构基于编码器解码器架构,简洁清晰,很容易理解,对称性虽然不是完全对称但也是很对称的了。
1. Contracting Path (压缩路径):
左侧部分,为对输入图像进行2次3x3卷积操作和1次2x2池化操作(max pool 下采样),每次卷积后接着一次ReLU, 这样重复4次,下采样后的卷积过滤器数量增加2倍。
2. Expansive Path (展开路径):
右侧部分,对左侧下采样后得到的结果进行2次3x3卷积操作和1次步长为2x2的去卷积操作(上采样),每次卷积后接着一次ReLU, 这样重复4次,注意上采样时过滤器数量减少2倍,得到的结果和对应左侧部分卷积结果进行连接后(上图copy and crop)再进行卷积,这时卷积过滤器数量减少2倍。
3. 1x1 卷积得到segmentation map
最好对得到的64通道结果进行 1x1卷积得到分割map,这个map通道数可根据自己具体问题分类数量一致。例如图上为2,最后分割出来的图像可以是黑白图像。
公式
Soft-max分类
能量函数(Energy Function)
权重映射(weight map)
实验结果
EM segmentitation challenge
ISBI cell tracking challenge 2015
总结
U-Net网络结构简洁清晰,适合年轻选手来学习,对于同样是小白的我有很大帮助,这篇论文虽说是关于图像分割方面的,但是感觉U-Net这种结构很有潜力。我毕设的人脸增强就是采用这种结构,论文下载链接如下。
https://github.com/wangleihitcs/Parpers/tree/master/segmentation
- 论文笔记U-Net: Convolutional Networks for Biomedical Image Segmentation
- [论文阅读笔记]U-Net: Convolutional Networks for Biomedical Image Segmentation
- 论文阅读笔记:U-Net: Convolutional Networks for Biomedical Image Segmentation
- U-Net: Convolutional Networks for Biomedical Image Segmentation
- U-Net: Convolutional Networks for Biomedical Image Segmentation
- 医学图像分割--U-Net: Convolutional Networks for Biomedical Image Segmentation
- 医学图像分割--U-Net: Convolutional Networks for Biomedical Image Segmentation
- U_Net(Convolutional Networks for Biomedical Image Segmentation)学习笔记
- 论文阅读笔记:Fully Convolutional Networks for Semantic Segmentation
- 论文阅读笔记:Fully Convolutional Networks for Semantic Segmentation
- 论文阅读:《Fully Convolutional Networks for Semantic Segmentation》CVPR 2015
- 全卷积(FCN)论文阅读笔记:Fully Convolutional Networks for Semantic Segmentation
- 图像分割论文 Fully Convolutional Networks for Semantic Segmentation 阅读笔记
- 全卷积(FCN)论文阅读笔记:Fully Convolutional Networks for Semantic Segmentation
- 论文笔记《Fully Convolutional Networks for Semantic Segmentation》
- 论文笔记《Fully Convolutional Networks for Semantic Segmentation》
- 《Fully Convolutional Networks for Semantic Segmentation》论文笔记
- 论文笔记《Fully Convolutional Networks for Semantic Segmentation》
- 【断点调试】VS2010为例
- 微信小程序----导航栏透明渐变一
- python3.5把py文件打包成exe文件
- mysql 删除表记录 delete和truncate table区别
- linux入门必知
- 论文阅读笔记:U-Net: Convolutional Networks for Biomedical Image Segmentation
- andriod——Retrofit+Fresco+MVP+Fragment判断网络获取数据
- 实时收集文件框架之Flume
- UIWebview和WKWebview加载本地html
- 网络编程1
- 函数式编程入门教程
- static,this,self,parent
- Mac下安装Jekyll
- Android学习资料、博客、网站、公众号等平台总结推荐分享