进行图形分割，理解深度学习分割网络Ｕnet模型

进行图形分割，理解深度学习分割网络Ｕnet模型

——许昌学院“觅真知 基于大数据的医学影像智能处理技术实践队”

发挥团队力量，确立Unet模型

7月10号上午，“觅真知基于大数据的医学影像智能处理技术实践队”成员就昨天遗留下来的问题继续进行分析。有了前期的知识铺垫，我们分析问题更加得心应手，对于Unet模型大家也理解的更加深刻。建立一个好的模型可以让数据分析变得更加的容易，这个过程需要大家集思广益，发挥团队力量才能达到效果。

在神经网络的架构中.不断的卷积和池化可以提取图片的深层特征.但同时得到的特征图的大小相较于原来的图片也在不断的减小，网络越深，丢失的信息越多。因此，对于每次下采样，采用次上采样使之恢复原来的尺寸大小。在Unet的上采样层中，每一个上采样的结果都与前期相应尺寸的特征图进行相连，这样便实现了高层特征与低层特征的结合从而可以更高精度的预测每一个像素的类别。

通过队员们的努力，我们最终对该模型的特征，优缺点，以及在实际领域中的应用都已经达成了一致的认知。在一天的时间里，我们不仅仅收获了知识，也在学习的过程中增加了队员们之间的了解与信任。对于后阶段的实践我们每个人都充满了信心与期待！

供稿人：赵振宇

http://www.dxsbao.com/shijian/171257.html 点此复制本页地址