U-Net: Convolutional Networks for Biomedical Image Segmentation

摘要 人們普遍認爲，深度網絡的成功訓練需要數千個帶註釋的訓練樣本。在本文中，我們提出了一種網絡和訓練策略，它依賴於數據擴充的強大使用，以更有效地使用可用的帶註釋的樣本。該體系結構由捕獲上下文的收縮路徑和支持精確定位的對稱擴展路徑組成。我們證明這樣的網絡可以從非常少的圖像端到端的訓練，並且在ISBI挑戰中在電子顯微鏡棧中神經結構的分割上勝過先前的最佳方法(滑動窗口卷積網絡)。我們使用相同的網絡訓練透

>>阅读原文<<