清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

U-Net: Convolutional Networks for Biomedical Image Segmentation

计算机科学 人工智能 分割 边距(机器学习) 滑动窗口协议 背景(考古学) 路径(计算) 网(多面体) 图像(数学) 网络体系结构 模式识别(心理学) 窗口(计算) 图像分割 卷积神经网络 深度学习 计算机视觉 机器学习 计算机网络 数学 万维网 几何学 古生物学 生物
作者
Olaf Ronneberger,Philipp Fischer,Thomas Brox
出处
期刊:Cornell University - arXiv 被引量:661
标识
DOI:10.48550/arxiv.1505.04597
摘要

There is large consent that successful training of deep networks requires many thousand annotated training samples. In this paper, we present a network and training strategy that relies on the strong use of data augmentation to use the available annotated samples more efficiently. The architecture consists of a contracting path to capture context and a symmetric expanding path that enables precise localization. We show that such a network can be trained end-to-end from very few images and outperforms the prior best method (a sliding-window convolutional network) on the ISBI challenge for segmentation of neuronal structures in electron microscopic stacks. Using the same network trained on transmitted light microscopy images (phase contrast and DIC) we won the ISBI cell tracking challenge 2015 in these categories by a large margin. Moreover, the network is fast. Segmentation of a 512x512 image takes less than a second on a recent GPU. The full implementation (based on Caffe) and the trained networks are available at http://lmb.informatik.uni-freiburg.de/people/ronneber/u-net .
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
PDF的下载单位、IP信息已删除 (2025-6-4)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
hellogene完成签到,获得积分10
6秒前
坚定的若枫完成签到,获得积分10
19秒前
和风完成签到 ,获得积分10
20秒前
啦啦啦完成签到 ,获得积分10
20秒前
coolplex完成签到 ,获得积分10
28秒前
甜甜的tiantian完成签到 ,获得积分10
28秒前
1461完成签到 ,获得积分0
33秒前
gengsumin完成签到,获得积分10
34秒前
皮皮完成签到 ,获得积分10
42秒前
路路完成签到 ,获得积分10
54秒前
andre20完成签到 ,获得积分10
57秒前
小章完成签到,获得积分10
59秒前
李爱国应助科研通管家采纳,获得10
1分钟前
白子双完成签到,获得积分10
1分钟前
1分钟前
beihaik完成签到 ,获得积分10
1分钟前
牛八先生完成签到,获得积分10
1分钟前
wuqi完成签到 ,获得积分10
1分钟前
Bango7发布了新的文献求助30
1分钟前
姚芭蕉完成签到 ,获得积分0
2分钟前
Akim应助Dc采纳,获得30
2分钟前
futianyu完成签到 ,获得积分0
2分钟前
烟花应助科研通管家采纳,获得10
2分钟前
Bango7发布了新的文献求助10
3分钟前
点点完成签到 ,获得积分10
3分钟前
烂漫的从彤完成签到,获得积分10
3分钟前
3分钟前
Hululu完成签到 ,获得积分10
3分钟前
丸子完成签到 ,获得积分10
3分钟前
Dc发布了新的文献求助30
3分钟前
yangzai完成签到 ,获得积分10
3分钟前
冬1完成签到 ,获得积分10
3分钟前
Dc完成签到,获得积分10
3分钟前
充电宝应助勇往直前采纳,获得10
3分钟前
秋夜临完成签到,获得积分0
3分钟前
3分钟前
勇往直前发布了新的文献求助10
3分钟前
喵喵完成签到 ,获得积分10
3分钟前
Akim应助Bango7采纳,获得10
3分钟前
racill完成签到 ,获得积分10
4分钟前
高分求助中
(禁止应助)【重要!!请各位详细阅读】【科研通的精品贴汇总】 10000
Semantics for Latin: An Introduction 1099
Robot-supported joining of reinforcement textiles with one-sided sewing heads 780
水稻光合CO2浓缩机制的创建及其作用研究 500
Logical form: From GB to Minimalism 500
2025-2030年中国消毒剂行业市场分析及发展前景预测报告 500
镇江南郊八公洞林区鸟类生态位研究 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 遗传学 基因 物理化学 催化作用 冶金 细胞生物学 免疫学
热门帖子
关注 科研通微信公众号,转发送积分 4162501
求助须知:如何正确求助?哪些是违规求助? 3698057
关于积分的说明 11675091
捐赠科研通 3388455
什么是DOI,文献DOI怎么找? 1858136
邀请新用户注册赠送积分活动 918833
科研通“疑难数据库(出版商)”最低求助积分说明 831703