引言 已经有很多U-Net-Like的神经网络被提出。 U-Net适用于医学图像分割、自然图像生成。 在医学图像分割表现好： 因为利用了底层的特征（同分辨率级联）改善上采样的信息不足。 医学图像数据一般较少，底层的特征其实很重要。 不只是医学图像，对于二分类的语义 ...

FCN - Fully Convolutional Networks for Semantic Segmentation 全卷积网络 将全连接层转换为卷积层，使得输入的图片大 ...

推荐一个语义分割专栏，作者对本领域的很多论文都进行了整理：语义分割刷怪进阶 而截止目前，CNN已经在图像分类分方面取得了巨大的成就，涌现出如VGG和Resnet等网络结构，并在ImageNet中取得了好成绩。CNN的强大之处在于它的多层结构能自动学习特征，并且可以学习到多个层次的特征 ...

2020-09-24 目前，计算机视觉是深度学习领域最热门的研究领域之一。计算机视觉实际上是一个跨领域的交叉学科，包括计算机科学（图形、算法、理论、系统、体系结构），数学（信息检索、机器学习），工程学（机器人、语音、自然语言处理、图像处理），物理学（光学 ），生物学（神经科学）和心理学（认知科学 ...

图像分割的评价标准：像素准确率PA、平均像素准确率MPA、平均交并比MIoU、频率权重交并比FWIoU; 参考 1. 论文笔记 |　基于深度学习的图像语义分割技术概述； 2. 深度学习计算机视觉图像分割领域指标mIoU（平均交并比）计算代码与逐行解析； 3. ...

（Sometimes technology enhances art. Sometimes it vandalizes art. --- 有时技术会增强艺术，有时它破坏了艺术。） 着色黑白 ...

(Source:https://blog.sicara.com/image-registration-sift-deep-learning-3c794d794b7a) 图像配准方法概述 图像配准广泛用于遥感，医学图像，计算机视觉等。通常，它的应用根据图像获取方式主要分为四组 ...

************************************************************************************************* ...