用于资源受限分割的循环 U-Net
计算机视觉与模式识别
2019-06-13 v1
摘要
最先进的分割方法依赖非常深的网络，这些网络在没有极大型训练数据集时不易训练，且在标准 GPU 上运行相对较慢。本文中，我们引入一种新颖的循环 U-Net 架构，其保持了原始 U-Net 的紧凑性，同时大幅提升了性能，在多个基准上优于最先进水平。我们将展示其在手部分割、视网膜血管分割和道路分割等多项任务上的有效性。我们还引入了一个大规模手部分割数据集。
引用
@article{arxiv.1906.04913,
title = {Recurrent U-Net for Resource-Constrained Segmentation},
author = {Wei Wang and Kaicheng Yu and Joachim Hugonot and Pascal Fua and Mathieu Salzmann},
journal= {arXiv preprint arXiv:1906.04913},
year = {2019}
}
备注
arXiv admin note: substantial text overlap with arXiv:1811.10914