U-Net 在显微图像分析中的前沿综述：从简单使用到结构改良
图像与视频处理
2022-04-26 v2 计算机视觉与模式识别
摘要
图像分析技术用于解决人工传统方法在疾病、废水处理、环境变化监测分析中的疏漏，而卷积神经网络（CNN）在显微图像分析中发挥着重要作用。检测、跟踪、监测、特征提取、建模与分析中的一个重要步骤是图像分割，其中 U-Net 已日益应用于显微图像分割。本文全面回顾了 U-Net 的发展历史，并分析了自 U-Net 出现以来各种分割方法的各项研究成果，对相关论文进行了综合综述。首先，本文总结了 U-Net 的改进方法，随后列举了现有图像分割技术及其多年来所引入改进的意义。最后，聚焦于不同论文中 U-Net 的不同改进策略，按详细技术类别回顾各应用目标的相关工作，以方便未来研究。研究者可清晰看到技术发展的传播动态并跟上这一跨学科领域的未来趋势。
引用
@article{arxiv.2202.06465,
title = {A State-of-the-art Survey of U-Net in Microscopic Image Analysis: from Simple Usage to Structure Mortification},
author = {Jian Wu and Wanli Liu and Chen Li and Tao Jiang and Islam Mohammad Shariful and Hongzan Sun and Xiaoqi Li and Xintong Li and Xinyu Huang and Marcin Grzegorzek},
journal= {arXiv preprint arXiv:2202.06465},
year = {2022}
}