【深度学习】FCN、Unet、Unet++：医学图像分割网络一览

文章预览

作者丨Error@知乎   来源丨https://zhuanlan.zhihu.com/p/159173338 转自 | 极市平台 导读   本文先厘清了语义分割、实例分割和全景分割等定义的区别。在此基础上，进一步分析了FCN、Unet、Unet++等算法在医学图像上的适用情况。 先上目录： 相关知识点解释 FCN 网络算法的理解 Unet 网络算法的理解 Unet++ 网络算法的理解 Unet+++ 网络算法的理解 DeepLab v3+ 算法简阅 Unet在医学图像上的适用与CNN分割算法的简要总结 一、相关知识点解释 1、图像分割中几种定义的区别 语义分割 (Semantic Segmentation)：就是对一张图像上的 所有像素点 进行 分类 。(eg: FCN/Unet/Unet++/...) 实例分割 (Instance Segmentation)：可以理解为 目标检测 和 语义分割 的结合。(eg: Mask R-CNN/...) 相对目标检测的边界框，实例分割可精确到物体的边缘；相对语义分割，实例分割需要标注出图上同一物体的不同个体。 ………………………………