U-Net: Convolutional Networks for Biomedical Image Segmentation

计算机科学 人工智能 分割 边距(机器学习) 滑动窗口协议 背景(考古学) 路径(计算) 网(多面体) 图像(数学) 网络体系结构 模式识别(心理学) 窗口(计算) 图像分割 卷积神经网络 深度学习 推论 计算机视觉 机器学习 计算机网络 数学 万维网 生物 古生物学 几何学
作者
Olaf Ronneberger,Philipp Fischer,Thomas Brox
出处
期刊:Cornell University - arXiv 被引量:230
标识
DOI:10.48550/arxiv.1505.04597
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 http://lmb.informatik.uni-freiburg.de/people/ronneber/u-net .
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
胖虎啊发布了新的文献求助10
刚刚
刚刚
1秒前
1秒前
小聂应助爱听歌灭绝采纳,获得10
1秒前
1秒前
共享精神应助挽歌采纳,获得10
2秒前
大气怜烟发布了新的文献求助10
2秒前
3秒前
于小鱼发布了新的文献求助10
3秒前
舒适圈发布了新的文献求助10
4秒前
4秒前
5秒前
5秒前
KEYANKEYAN发布了新的文献求助50
5秒前
Poik发布了新的文献求助10
7秒前
胖虎啊完成签到,获得积分10
7秒前
科研通AI2S应助Dreamer0422采纳,获得10
7秒前
充电宝应助小真白采纳,获得10
8秒前
qinzx完成签到,获得积分10
8秒前
九月发布了新的文献求助10
8秒前
Alice完成签到,获得积分10
9秒前
33完成签到,获得积分10
11秒前
暮霭沉沉应助小红的忧伤采纳,获得10
12秒前
加油努力完成签到,获得积分20
12秒前
Vivi完成签到,获得积分10
13秒前
多发文章完成签到,获得积分10
13秒前
13秒前
桐桐应助qin123采纳,获得10
13秒前
13秒前
烟雨完成签到,获得积分10
14秒前
秋冬发布了新的文献求助10
14秒前
sjc发布了新的文献求助10
14秒前
今后应助光光采纳,获得10
14秒前
酷波er应助喵喵发文章啦采纳,获得10
15秒前
白桃战士完成签到,获得积分10
15秒前
星辰大海应助粗暴的非笑采纳,获得10
15秒前
chen发布了新的文献求助10
16秒前
16秒前
科研通AI2S应助Dreamer0422采纳,获得10
16秒前
高分求助中
Evolution 10000
Sustainability in Tides Chemistry 2800
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
An Introduction to Geographical and Urban Economics: A Spiky World Book by Charles van Marrewijk, Harry Garretsen, and Steven Brakman 600
Diagnostic immunohistochemistry : theranostic and genomic applications 6th Edition 500
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 400
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 3152731
求助须知:如何正确求助?哪些是违规求助? 2803968
关于积分的说明 7856424
捐赠科研通 2461663
什么是DOI,文献DOI怎么找? 1310474
科研通“疑难数据库(出版商)”最低求助积分说明 629233
版权声明 601782