摘要：
1：文字回答：按照自己的观点，总结语义分割面临的问题以及DeepLab系列的思想 1）语义分割中连续的池化或下采样会导致图像的分辨率大幅度下降，从而损失原始信息，且在上采样过程中难以恢复。现在越来越多的网络都在试图减少分辨率的损失，比如使用空洞卷积，或者用步长为2的卷积代替池化。 DeepLab引入 阅读全文
摘要：
作业内容： 1：文字回答：总结对于编码器解码器框架以及反池化操作的理解 编码器解码器框架：编码器结构：编码器部分主要由普通卷积层和下采样层将特征图尺寸缩小，使其成为更低维的表征。目的是尽可能多的提取低级特征和高级特征，从而利用提取到的空间信息和全局信息精确分割。 解码器结构：解码器部分主要由普通卷积 阅读全文
摘要：
FusionNet是U-Net的改进 1：文字回答：简述医学分割面临的主要挑战 1）数据量少。一些挑战赛只提供不到100例的数据 2）图片尺寸大。单张图片尺寸大、分辨率高，对模型的处理速度有一定要求。 3）要求高。医学图像边界模糊、梯度复杂，对算法的分割准确度要求极高。 4）多模态。以ISLES脑梗 阅读全文