IE盒子

搜索
楼主: 全洪生

图像分割的U-Net系列方法

[复制链接]

3

主题

9

帖子

17

积分

新手上路

Rank: 1

积分
17
发表于 2023-1-8 10:26:11 | 显示全部楼层
你确定你看的是原始unet?
回复

使用道具 举报

2

主题

13

帖子

24

积分

新手上路

Rank: 1

积分
24
发表于 2023-1-8 10:26:49 | 显示全部楼层
作者你好,我是刚入坑的新手,我看了一些资料但有部分疑问
1、请问在unet训练过程中,他的training_mask怎么产生的?
2、将training_mask通过softmax就变成概率map了吗?
回复

使用道具 举报

3

主题

9

帖子

10

积分

新手上路

Rank: 1

积分
10
发表于 2023-1-8 10:27:34 | 显示全部楼层
插眼
回复

使用道具 举报

2

主题

10

帖子

16

积分

新手上路

Rank: 1

积分
16
发表于 2023-1-8 10:28:24 | 显示全部楼层
厉害
回复

使用道具 举报

1

主题

3

帖子

4

积分

新手上路

Rank: 1

积分
4
发表于 2023-1-8 10:28:33 | 显示全部楼层
请问,目前哪个做病理分割效果好点
回复

使用道具 举报

2

主题

6

帖子

10

积分

新手上路

Rank: 1

积分
10
发表于 2023-1-8 10:28:48 | 显示全部楼层
回复

使用道具 举报

4

主题

9

帖子

17

积分

新手上路

Rank: 1

积分
17
发表于 2023-1-8 10:29:02 | 显示全部楼层
Conv2D输出得channels是由filters数量决定的,并不是说2次64filters的Conv之后是64*64=4096
回复

使用道具 举报

3

主题

15

帖子

24

积分

新手上路

Rank: 1

积分
24
发表于 2023-1-8 10:29:21 | 显示全部楼层
不是卷积核加倍,
是卷积输出通道数目加倍了。

1.每个卷积核一般会一起处理输入的所有通道,生成一层输出特征图。
2.所以由第一个输出结果可知,他有64个卷积核。尺度是

(inchannel=1,out_channel=64,kernel_size=(3,3))

3.第二次不变的原因是,前后两个卷积的输出通道数不相关,前一个卷积输出通道数只会影响下一个接受卷积的输入通道数目

即,in_channel_2=64。
两者一般是相等。

5.而每个卷积的输出通道数目(out_channel)是我们设定的,我们在第二个卷积层,仍用了64个卷积,即out_channel=64,所以看起来,输出通道不变,他有几个输出通道,就有几个卷积

所以第二次是64个卷积。
回复

使用道具 举报

4

主题

12

帖子

25

积分

新手上路

Rank: 1

积分
25
发表于 2023-1-8 10:30:18 | 显示全部楼层
训练过程中的mask,是模型对最后的特征图,作像素级分类产生的
通过softmax是一个归一化的数值处理,让所有数据的和为1,且能让像素间的数值差距变大。
回复

使用道具 举报

1

主题

3

帖子

3

积分

新手上路

Rank: 1

积分
3
发表于 2023-1-8 10:30:30 | 显示全部楼层
好的谢谢!
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

快速回复 返回顶部 返回列表