AI/논문 리뷰 (1) 썸네일형 리스트형 [논문리뷰] U-Net: Convolutional Networks for Biomedical Image Segmentation 1. Introduction 초기 컨볼루션 신경망은 훈련 데이터셋의 부족과 모델의 크기 제한으로 인해 성능이 제한되었음 ImageNet 데이터 세트에서 8개의 레이어 등 대규모 네트워크를 지도 학습하며 더 크고 심층적인 네트워크가 훈련됨 일반적인 사용 : 단일 클래스인 분류 작업 Biomedical task에서는 localization( 분할된 각 픽셀에 클래스 라벨이 할당됨 )을 필요로함 sliding-window setup을 사용해 픽셀 주위에 로컬 영역(patch)을 제공함 장점 1. localize가 가능함. 2. patch의 관점에서 훈련 데이터는 훈련 이미지의 수보다 훨씬 큼. ( 이미지의 다양한 부분을 다양한 패치로 나누어 훈련 데이터를 확장) 단점 1. patch마다 네트워크 별도로 실행 .. 이전 1 다음