我最近开始寻找专注于与生物医学应用相关的图像分割任务的网络。我不能错过 Ronneberger、Fischer 和 Brox 的出版物U-Net: Convolutional Networks for Biomedical Image Segmentation (2015)。然而，由于深度学习是一个快速发展的领域，并且这篇文章发表于 4 年多前，我想知道是否有人知道其他算法可以为图像分割任务产生更好的结果？如果是这样，他们是否也使用 U 形架构（即收缩路径，然后使用 up-conv 的扩展路径）？
图像分割任务的最佳算法是什么？
人工智能
机器学习
卷积神经网络
参考请求
图像分割
网络
2021-11-09 10:19:34
2个回答
自首次引入以来，U-Net 和 U-Net 启发的架构在医学图像相关任务中非常流行。已经有几个改进版本的 U-Net 专为随后的特定任务而设计。一个这样的例子是Attention U-Net，它在胰腺分割中非常流行。
近年来在图像分割任务中取得最先进成果的其他架构示例包括多尺度 3DCNN + CRF，在大脑和病变图像中很流行，在 MRI 中使用多尺度注意力等。最近的一篇论文指出描述了一个有趣的 3D FCNN 架构是HyperDense-Net，广泛用于医学图像分割中的多模态任务。
您可以在此地址找到排行榜和代码。
目前，HRNetV2 处于领先地位。
U-Net 架构是一个广泛的网络架构家族的一部分，它聚合多尺度特征以提取对语义分割有用的更精细的细节。示例是特征金字塔网络 (FPN)、沙漏、编码器-解码器、MatrixNet 等......
