跳跃连接在生物医学图像分割中的重要性
计算机视觉与模式识别
2016-09-26 v2
摘要
在本文中，我们研究了长跳跃连接和短跳跃连接对用于生物医学图像分割的全卷积网络（FCN）的影响。在标准FCN中，仅使用长跳跃连接将特征从收缩路径跳跃传递到扩展路径，以恢复下采样期间丢失的空间信息。我们通过添加类似于残差网络中引入的短跳跃连接来扩展FCN，以便构建非常深的FCN（数百层）。对梯度流的回顾证实，对于一个非常深的FCN，同时具有长跳跃连接和短跳跃连接是有益的。最后，我们证明了一个非常深的FCN可以在EM数据集上达到接近最先进水平的结果，而无需任何进一步的后处理。
引用
@article{arxiv.1608.04117,
title = {The Importance of Skip Connections in Biomedical Image Segmentation},
author = {Michal Drozdzal and Eugene Vorontsov and Gabriel Chartrand and Samuel Kadoury and Chris Pal},
journal= {arXiv preprint arXiv:1608.04117},
year = {2016}
}
备注
Accepted to 2nd Workshop on Deep Learning in Medical Image Analysis (DLMIA 2016); Added references