U-Net: Convolutional Networks for Biomedical Image Segmentation翻译

摘要 人们普遍认为，成功的深层网络训练需要数千个带注释的训练样本。在本文中，我们提出了一个网络和训练策略，它依赖于强大的数据扩充来更有效地使用可用的注释样本。该体系结构包括一个捕获上下文内容的收缩路径和一个对称的扩展路径（收缩路径和扩展路径可能指的是编码与解码过程），来允许精确定位。我们证明这样一个网络可以从很少的图像中进行端到端的训练并且胜过在ISBI电子显微镜神经结构比赛上的最优方法。使用在透

>>阅读原文<<