U-Net: Convolutional Networks for Biomedical Image Segmentation

计算机科学 边距(机器学习) 卷积神经网络 滑动窗口协议 背景(考古学) 路径(计算) 人工智能 图像分割 模式识别(心理学) 分割 网络体系结构 窗口(计算) 计算机视觉 图像(数学) 机器学习 计算机网络 操作系统 古生物学 生物
作者
Olaf Ronneberger,Philipp Fischer,Thomas Brox
出处
期刊:Lecture Notes in Computer Science 卷期号:: 234-241 被引量:64032
标识
DOI:10.1007/978-3-319-24574-4_28
摘要

There is large consent that successful training of deep networks requires many thousand annotated training samples. In this paper, we present a network and training strategy that relies on the strong use of data augmentation to use the available annotated samples more efficiently. The architecture consists of a contracting path to capture context and a symmetric expanding path that enables precise localization. We show that such a network can be trained end-to-end from very few images and outperforms the prior best method (a sliding-window convolutional network) on the ISBI challenge for segmentation of neuronal structures in electron microscopic stacks. Using the same network trained on transmitted light microscopy images (phase contrast and DIC) we won the ISBI cell tracking challenge 2015 in these categories by a large margin. Moreover, the network is fast. Segmentation of a 512x512 image takes less than a second on a recent GPU. The full implementation (based on Caffe) and the trained networks are available at .
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
一昂完成签到 ,获得积分10
刚刚
shanshan发布了新的文献求助10
刚刚
111完成签到,获得积分20
刚刚
zzz完成签到 ,获得积分10
刚刚
溪水完成签到 ,获得积分10
1秒前
1秒前
2秒前
小王子完成签到,获得积分10
2秒前
wyf完成签到,获得积分10
3秒前
4秒前
大师发布了新的文献求助10
4秒前
哈哈哈完成签到 ,获得积分10
4秒前
紫杉完成签到,获得积分10
5秒前
6秒前
想把太阳揣兜里完成签到,获得积分10
6秒前
7秒前
Sunny完成签到,获得积分10
7秒前
懒得起名发布了新的文献求助10
7秒前
7秒前
8秒前
崛起之邦完成签到,获得积分10
8秒前
辣辣完成签到,获得积分10
8秒前
Allen完成签到,获得积分10
10秒前
鸡致大王完成签到 ,获得积分10
11秒前
wzy完成签到,获得积分10
11秒前
坦率晓完成签到,获得积分10
11秒前
11秒前
清爽花卷完成签到,获得积分10
11秒前
zzk387发布了新的文献求助10
12秒前
caizx完成签到,获得积分10
13秒前
漂亮土豆完成签到,获得积分10
13秒前
坦率完成签到 ,获得积分10
13秒前
yyj完成签到,获得积分10
15秒前
睡懒觉完成签到 ,获得积分10
15秒前
小马甲应助伯赏满天采纳,获得10
15秒前
木亢完成签到,获得积分10
15秒前
科研打工人完成签到,获得积分10
15秒前
熠迩完成签到,获得积分10
16秒前
左左完成签到 ,获得积分10
16秒前
无私念瑶完成签到,获得积分10
16秒前
高分求助中
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Chen Hansheng: China’s Last Romantic Revolutionary 500
宽禁带半导体紫外光电探测器 388
Case Research: The Case Writing Process 300
Global Geological Record of Lake Basins 300
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3142925
求助须知:如何正确求助?哪些是违规求助? 2793876
关于积分的说明 7808440
捐赠科研通 2450196
什么是DOI,文献DOI怎么找? 1303702
科研通“疑难数据库(出版商)”最低求助积分说明 627041
版权声明 601356