gpt4 book ai didi

neural-network - U-net和FCN背后的直觉用于语义分割

转载 作者:行者123 更新时间:2023-12-03 16:06:48 26 4
gpt4 key购买 nike

我不太了解以下内容:

在提出的FCN for Semantic Segmentation by Shelhamer et al中,他们提出了像素到像素的预测,以构造图像中对象的 mask /精确位置。

在用于生物医学图像分割的FCN的稍加修改版本中,U-net的主要区别似乎是“与从收缩路径中相应裁剪的特征图的串联”。

现在,为什么此功能特别是在生物医学分割方面有所作为?我可以指出的是,生物医学图像与其他数据集的主要区别在于,在生物医学图像中,定义对象的特征集不像每天常见的对象那样丰富。数据集的大小也受到限制。但是,此额外功能是否受这两个事实或其他原因的启发?

最佳答案

FCN与U-Net:

FCN

  • 仅上采样一次。即它在解码器中只有一层
  • 原始实现github repo使用双线性插值来对阴暗图像进行上采样。那是这里没有可学习的过滤器
  • FCN- [FCN 16s和FCN 8s]的
  • 变体添加了来自较低层的跳过连接,以使输出稳健以适应比例更改


  • 网络
  • 多个上采样层
  • 使用跳过连接和连接,而不是添加
  • 使用可学习的权重过滤器代替固定插值技术
  • 关于neural-network - U-net和FCN背后的直觉用于语义分割,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/50239795/

    26 4 0
    Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
    广告合作:1813099741@qq.com 6ren.com