UNet++详细解读(一)论文技术要点归纳

UNet++ 论文技术要点归纳

  • UNet++
    • 概要
    • 简介
    • 网络架构
      • 跳跃连接
      • 深度监督
    • 实验
      • 数据集
      • 基线模型
      • 实验参数
      • 实验结果
      • 模型剪枝
    • 结论

UNet++

概要

unet++是一种基于深度监督的编码器-解码器网络结构,并且有密集的跳跃链接。

简介

跳跃连接在分割网络中十分重要,可以结合深层和浅层的语义信息。

在FCN中跳跃连接是通过元素级别的相加来实现的,在UNet中是通过拼接操作来实现的。

是否可以将Resnet和Densnet中的密集连接移植过来?

医学上的分割需要更精确,Unet无法满足,因此提出 了UNet++。

网络架构

UNet++详细解读(一)论文技术要点归纳_第1张图片

黑色部分是Backbone,是原先的UNet。

绿色箭头为上采样,蓝色箭头为密集跳跃连接。

绿色的模块为密集连接块,是经过左边两个部分拼接操作后组成的

跳跃连接

其中(i,j)表示第i层第j个卷积层。

H表示卷积操作和激活函数

U表示上采样

[]表示拼接操作

在这里插入图片描述

深度监督

所示,该结构下有4个分支,可以分为两种模式。

精确模式:4个分支取平均值结果

快速模式:只选择一个分支,其余被剪枝

损失函数

在这里插入图片描述

左边部分为二值交叉熵,右边为DICE系数,用于度量相似度。

实验

数据集

采用了4个不同的医学数据集
UNet++详细解读(一)论文技术要点归纳_第2张图片

基线模型

采用UNet和设计的wide Unet作为比较模型。
UNet++详细解读(一)论文技术要点归纳_第3张图片

实验参数

评价指标:IOU和DICE系数。

学习率:3e-4

优化器:Adam

实验结果

如图所示,UNet++的效果始终好于另外两个。
UNet++详细解读(一)论文技术要点归纳_第4张图片

实验结果如下图所示,在IOU评价指标上,

没有深度监督的UNet++高于基线2.8-3.3个点

有深度监督的UNet++高于没有深度监督的UNet++ 0.6个点

UNet++详细解读(一)论文技术要点归纳_第5张图片

模型剪枝

如下图所示:UNet++L3的推理时间平均减少了32.2%,而IoU只降低了0.6点。

UNet++详细解读(一)论文技术要点归纳_第6张图片

结论

为了满足更精确的医学图像分割的需要,我们提出了UNet++,加入了深度监督和密集连接。

在U-Net和wideU-Net上实现了3.9和3.4点的平均IoU增益。

你可能感兴趣的:(人工智能,深度学习,图像分割,unet,unet++)