【简读】3DConvCaps: 3DUnet with Convolutional Capsule Encoder for Medical Image Segmentation
2022/6/8 23:20:36
本文主要是介绍【简读】3DConvCaps: 3DUnet with Convolutional Capsule Encoder for Medical Image Segmentation,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!
简读
还是源于Unet的,将Unet的模块替换成了胶囊网络,替换源于CNN中存在以下原因:
(1)CNN中的池化会丢失一部分空间信息(个人觉得这个是见仁见智的,如果不通过池化,特征提取就可能满足不了平移不变性了)
(2)CNN对旋转和仿射变换敏感(CNN的卷积有良好的平移不变性,若发生旋转特征识别就可能失效了,因此对齐是很重要的)
胶囊网络的优势:
(1)胶囊网络与卷积神经网络的最大不同在于输出类型。前者为一组向量,向量中可以包含对目标的各种维度描述(见图1),如检测鸟时可分为:体型大小、羽毛颜色、鸟喙长度等等;而后者仅为对应特征值,该值即代表该鸟类。
(2)由于胶囊网络的向量形式,当目标发生旋转或放射变换时,向量仅需改变长度或角度即可适应这种变换。而卷积神经网络则没有这种特性
(3)需求更少的训练数据但训练较为缓慢
(4)非常适用于处理密集/拥挤的场景但较难识别靠得近且类型相同的目标(如检测人眼睛和鼻子非常轻松,但检测左眼和右眼则不容易)
于是,有人结合两者,在图像分割领域搞了一个3DUnet。
下图为结果,可见本文方法即使略逊色于纯卷积的3D-Unet,也远优于过往含胶囊网络的SOTA模型。
Reference
https://mp.weixin.qq.com/s/uV2RqIpQeqCzVsg4GP9pIw
这篇关于【简读】3DConvCaps: 3DUnet with Convolutional Capsule Encoder for Medical Image Segmentation的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!
- 2024-05-09flutter3.x_macos桌面os实战
- 2024-05-09Rust中的并发性:Sync 和 Send Traits
- 2024-05-08使用Ollama和OpenWebUI在CPU上玩转Meta Llama3-8B
- 2024-05-08完工标准(DoD)与验收条件(AC)究竟有什么不同?
- 2024-05-084万 star 的 NocoDB 在 sealos 上一键起,轻松把数据库编程智能表格
- 2024-05-08Mac 版Stable Diffusion WebUI的安装
- 2024-05-08解锁CodeGeeX智能问答中3项独有的隐藏技能
- 2024-05-08RAG算法优化+新增代码仓库支持,CodeGeeX的@repo功能效果提升
- 2024-05-08代码报错不用愁,CodeGeeX一键完成代码修复、错误解释的功能上线了!
- 2024-05-08今天开始程序员不用再发愁写commit message了,全部由CodeGeeX自动完成!