基于深度学习与UNet架构及迁移学习的生物医学图像分割
图像与视频处理
2023-05-25 v1 计算机视觉与模式识别
机器学习
摘要
图像分割是计算机视觉的一个分支，广泛应用于包括生物医学图像处理在内的现实世界任务中。随着深度学习的近期进展，图像分割已取得了极高水平的性能。近来，UNet架构被发现是新型深度学习分割方法的核心。在本文中，我们从零实现UNet架构，使用Pytorch中的基础模块，并在多个生物医学图像数据集上评估其性能。我们还使用迁移学习将新颖的改进UNet分割包应用于这些生物医学图像数据集。我们用每个特定数据集对预训练的迁移模型进行微调。我们将其性能与我们从零实现的UNet进行比较。我们表明，迁移学习模型在图像分割上的性能优于从零实现的UNet模型。
引用
@article{arxiv.2305.14841,
title = {Deep Learning-based Bio-Medical Image Segmentation using UNet Architecture and Transfer Learning},
author = {Nima Hassanpour and Abouzar Ghavami},
journal= {arXiv preprint arXiv:2305.14841},
year = {2023}
}