Mobile-Unet
用Mobile-Unet网络来进行肺结节图像分割。
该方法为了兼顾识别精度和计算效率，采用轻量型MobileNetV3网络作为主干网络，以实现深层特征提取，结合Unet网络来提高整体的分割性能。
MobileNetV3网络为解决现实场景应用中计算能力受限而专门设计，具有参数量少、速度快、深度适中等优势，常作为主干网络应用于医学图像分割任务。
MobileNetV3网络主要分为3个部分。
- 第一部分(Conv3×3)为一个3×3的卷积层，用于提取特征；
- 中间部分(bneck1—4)为多个含有可分离卷积层块(bneck)的网络结构，由多个3×3、5×5的卷积块组成，通常深度越深，提取到的抽象特征越好；
- 最后一部分通过卷积层(Conv1×1)代替全连接层，经过池化等一系列步骤得到输出结果。
单一独立模型的局限性
- Unet网络。针对肺结节这种小而不明显的图像分割任务，抽象特征的有效提取有助于提升模型的分割性能。虽然Unet网络能够高效地利用不同层的特征，但是作为独立模型使用时还存在着以下不足：多次使用普通卷积如Conv3×3或Conv5×5,增加了模型设计的难度和普适性；网络层数还较浅(一般为7～10层),使得特征学习次数也有限，表达性不强。
- MobileNetV3网络。MobileNetV3中bneck模块结构含有多个尺寸和深度的可分离卷积块、批量归一化(BN)层、H-Switch激活函数等，可以根据任务和网络的需求选择不同的搭配方式，具有很强的灵活性，但该网络应用于医疗图像识别时还存在如下的局限性：忽略了特征与特征之间的联系性，bneck模块提取的深层特征没有以特征融合的方式结合浅层特征，导致部分重要特征的损失；激活函数插入位置一般相对固定，且实验样本数量较少，这导致了精度提升并不明显。
Mobile-Unet网络模型
其中主干网络选用MobileNetV3轻量级网络，任务网络为常用的Unet网络，网络结构如图4。
- 首先，将MobileNetV3中bneck模块移植到Unet网络的编码部分；
- 其次，根据Unet编码部分位置采用不同深度的bneck模块来提取特征，通常位置越深，所需bneck模块量越多，提取到的抽象特征也越高级；
- 最后，将提取后的特征依次连接到解码器的对应位置进行特征融合，连接过程中需要保证特征图与解码器对应位置的通道数、尺寸保持一致。
Mobile-Unet相关推荐
- 论文翻译：Anytime Stereo Image Depth Estimation on Mobile Devices
论文<Anytime Stereo Image Depth Estimation on Mobile Devices>的完整翻译,如有不当之处,敬请评论指出!蟹蟹~(2019-08-28) ...
- 基于改进yolov4和unet的飞机目标的分割
一篇之前写的分割图片中小飞机目标的论文,思路较简单,先用yolo目标检测框架提取出ROI再用Unet进行分割,最后融合. 摘要:航拍影像中飞机目标占图像比例往往较低,为了解决语义分割中对飞机目标分割存 ...
- 变换域图像去噪：Practical Deep Raw Image Denoising on Mobile Devices
Paper:Practical Deep Raw Image Denoising on Mobile Devices 噪声模型:带噪图 xxx 与无噪图 x∗x^*x∗ 的关系,kkk 跟 σ\sig ...
- 论文阅读：Practical Deep Raw Image Denoising on Mobile Devices
论文阅读: Practical Deep Raw Image Denoising on Mobile Devices 旷视 2020 ECCV 基于深度学习的降噪方法在近几年得到了大量的研究,这些方法 ...
- FCN与U-Net语义分割算法
FCN与U-Net语义分割算法 图像语义分割(Semantic Segmentation)是图像处理和是机器视觉技术中关于图像理解的重要一环,也是 AI 领域中一个重要的分支.语义分割即是对图像中每一 ...
- 面向Mobile device的CNN模型手工设计与NAS分析总结，MobileNet V1,V2,V3，Efficient，MNasNet以及Efficient network design
手工方法和NAS的高效网络模型设计总结与分析 这篇文章主要关注对于移动端,资源受限平台的高效神经网络设计(Manually)和搜索(NAS). 高效的CNN设计不只是用在服务器,云端,资源 ...
- 基于FCN，U-Net的深度学习医学影像分割算法（细胞分割算法）以及传统算法分析
本博文主要分析了基于传统计算机视觉的细胞分割算法和基于深度学习的细胞分割算法.主要针对医学影像分割算法.包括了FCN全卷积网络的细胞分割效果,U-Net细胞分割效果.查阅了采用深度学习分割医学影像的几 ...
- Paper4：Voxel-Based Extraction and Classification of 3-D Pole-Like Object From Mobile LIDAR Point Clo
Voxel-Based Extraction and Classification of 3-D Pole-Like Object From Mobile LIDAR Point Cloud Data ...
- 基于U-Net系列算法的医学图像分割（课程设计）
基于U-Net系列算法的医学图像分割(课程设计) 参考论文:包括U_Net/R2U_Net/AttU_Net/R2AttU_Net,如下图所示: 基于Pytorch的代码和数据集下载地址:下载地址 运 ...
- 基于U-Net图像分割的划痕缺陷分割（课程设计）
基于U-Net的划痕缺陷分割(课程设计) 论文:**U-Net: Convolutional Networks for Biomedical Image Segmentation** https:// ...
最新文章
- 3种语言白色汇汇通微盘程序源码
- Python 实现简单的爬虫
- 关于三星某些系列笔记本电脑无法安装Windows10的原因及解决办法
- 95-10-160-启动-KafkaApis
- Windows Server 2012安装 .NET Framework 3.5
- sqlserver 参数化查询 允许为null_关于SQL Server的insert执行的秘密(上)一个最简单的insert分析...
- CListCtrl 使用方法总结
- mysql分组查询获取分组中某个字段值最小的一条数据
- HTML+CSS页面练习——legend第七部分
- linux系统在线搭建禅道
- Windows下Xampp搭建DVWA 常见的错误修改
- oracle函数 isex,求一条sql话语,按条件查询过期的客户信息
- python 安装失败 errorcode 2203_win10系统安装软件出现the error code is 2203错误怎么办...
- 批量下载xx艺术照片的简单爬虫
- 3种常见的数据库迁移同步工具对比，哪个更适合你？
- Linux 之 zsh
- 史上最长最全！围绕故障管理谈SRE体系建设
- Android 通过图片资源名字获得图片资源设置在ImageView上
- Toad 中的compare使用方法
- Mac预览工具如何使用？