[U-Net] U-Net: Convolutional Networks for Biomedical Image Segmentation

Abstract

生物學會議ICMICCAI 2015相關的文章，主要是針對生物學影像進行分割。本論文考慮到醫學影像往往比較少，而深度學習通常需要大量的圖像。因此本文提出採用很強的數據增強提高數據的利用效率；提出U型網絡模型——近似對稱的Conv + Deconv.最終在三個生物學數據集上達到了當時最好的性能。

Movitation

當今生物影像分割的數據太少，現有的滑動窗口的做法消耗時間長，針對這個問題提出了U-Net

Framework

本文主要針對的是兩個問題進行處理

• 一個數據少，解決方法是使用覆蓋磚塊的策略，如下圖
  
  和數據增強方法，數據增強使用彈性變形的方法，通過在一個3*3的粗糙網格中使用一個隨機位移向量產生一個平滑的變形，位移量從高斯分佈中取樣，高斯分佈有十個像素的標準差，每個像素的偏移通過bicubic interpolation獲得.

• 另一個問題是相同物體的間隙不容易分割出來，採用加權的策略
  
  

Result

三個數據集上的最好的結果，分別是電子顯微鏡影像和光學顯微鏡影像

Thinking

• 本文在初始化的時候強調使用Gaussian distribution with a standard deviation of sqrt(2/N)，這個地方不太理解？
• 本文的實驗比較少，沒有和其他現有的deeplearning(e.g., FCN)等進行比較
• 網絡結構上創新不大，重點是數據增強方法

Others

Official Code: http://lmb.informatik.uni-freiburg.de/people/ronneber/u-net

• 運行遇到問題導致無法運行
  
  • 測試環境如下
    
    • ubuntu 16.04
    • matlab 2016b
  • 遇到的問題如下
    
    從問題看，像是caffe.mexa64中存在什麼問題，可惜沒有詳細的文檔，暫時無法解決這個問題.後續嘗試使用其他框架的unet來學習其思想.