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
posted @ 2020-10-12 19:24 sariel_sakura 阅读(307) 评论(0) 推荐(0) 编辑
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
posted @ 2020-10-12 17:19 sariel_sakura 阅读(799) 评论(0) 推荐(0) 编辑
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
posted @ 2020-10-12 12:09 sariel_sakura 阅读(850) 评论(0) 推荐(0) 编辑