U-net (image segmentation) 논문 읽기

U-Net: Convolutional Networks for Biomedical Image Segmentation

Author: Olaf Ronneberger, Philipp Fischer, and Thomas Brox

Computer Science Department and BIOSS Centre for Biological Signalling Studies, University of Freiburg, Germany

Computer Vision and Pattern Recognition(CVPR), Submitted on 18 May 2015

---

Abstract

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. 

논문에서는, 

사용가능한 라벨링데이터를 사용하기 위해, 

좀더 강력한 data augmentation에 의존한 

네트워크와 학습 전력을 나타낸다.

 

The architecture consists of
a contracting path to capture context and
a symmetric expanding path that enables precise localization.

이 아키텍쳐는 

① Context (전체 이미지의 문맥 정보, 이미지의 자연스러운 흐름(?) 정보)

를 위한 contracting path

 

② Localization (이미지에서 각각의 픽셀 자체의 정보)

를 위해 symmetric expanding path

 

로 구성되어 있다. 

---

1 Introduction

2 Network Architecture

 

 

 

(그림 1) U-net architecture (최저해상도에서 32x32 pixels픽셀에서의 예)

• 파란색 상자           :  다중 채널 특징 맵(multi-channel feature map)

• 상자 위/ 왼쪽/ 하단 :  feature map의 channel/height/width 를 표시 

• 흰색 상자              :  복사 된 기능 맵을 나타냅니다.

• 컬러 화살표           :  conv, crop, copy, pooling 등 색깔별 각각 별개의 작업을 나타남

 

---

3 Training

 

3.1 Data Augmentation

 

4 Experiments

논문 출처 : https://arxiv.org/abs/1505.04597

U-Net: Convolutional Networks for Biomedical Image Segmentation