医学图像分割模型U-Net介绍和Kaggle的Top1解决方案源码解析.docx

? ? ? ? ? 医学图像分割模型U-Net介绍和Kaggle的Top1解决方案源码解析 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 内容列表 介绍 先决条件 什么是U-NET U-NET结构 KAGGLE数据科学SCIENCE BOWL 2018 挑战赛 介绍 计算机视觉是人工智能的一个领域，训练计算机解释和理解视觉世界。利用来自相机、视频和深度学习模型的数字图像，机器可以准确地识别和分类物体，然后对它们看到的东西做出反应。 在过去几年里，深度学习使得计算机视觉领域迅速发展。在这篇文章中，我想讨论计算机视觉中一个叫做分割的特殊任务。尽管研究人员已经提出了许多方法来解决这个问题，但我将讨论一种特殊的架构，即UNET，它使用一个完全卷积的网络模型来完成这项任务。 我们将利用UNET构建Kaggle SCIENCE BOWL 2018 挑战赛的第一解决方案。 先决条件 这篇文章是假设读者已经熟悉机器学习和卷积网络的基本概念。同时，他/她也有一些使用Python和Keras库的ConvNets的工作知识。 什么是市场细分? 分割的目的是将图像的不同部分分割成可感知的相干部分。细分有两种类型: 语义分割(基于标记类的像素级预测) 实例分割(目标检测和目标识别) 在这篇文章中，我们将主要关注语义分割。 U-NET是什么? U-Net创建于2015年，是一款专为生