컴퓨터비전, 머신러닝, 딥러닝을 이용한 의료영상분석 8-2. U-Net
컴퓨터비전, 머신러닝, 딥러닝을 이용한 의료영상분석 8-2. U-Net
본 내용은 Edwith의 컴퓨터비전, 머신러닝, 딥러닝을 이용한 의료영상분석을 요약 정리한 내용으로 DGIST 박상현 교수님과 Edwith, STAR-MOOC에 그 저작권이 있음을 미리 공지합니다.
URL : https://www.edwith.org/medical-20200327/lecture/63162/
FCN을 진행하면 해상도가 낮아지기 때문에 Upsampling을 진행함
Upsampling
가장 간단한 Upsampling은 Nearest Neighborhood
가장 가까운 값을 가져오는 방법
Linear interpolation
좌표와 좌표의 값을 봐서 값을 정의해 주는 것
ex) (1,1), (1,2)의 좌표의 값 1,2를 사용하여 정해주는 것
0.5(1+2)=1.5
2차원에서 진행되면 Bi-linear interpolation
Unpooling
Deconvolution 개념을 도입
Pooling의 위치를 저장하고 upsample할 때 사용
해당 위치를 제외하고 나머지는 0
Learning Deconvolution Network for Semantic Segmentation
ICCV 2015, citations 2824회(2020.09.18 기준)
Transposed Convolution
$C^T$를 곱함으로써 Y에 대한 값의 결과 = 16 x 1의 결과 matrix 이를 통해 2x2를 4x4로 upsampling할 수 있습니다.
U-Net
DownSampling 이후 UpConvolution과의 concatenate를 통한 결과를 y와 비교하여 그 차만큼 Gradient Descent를 진행합니다.
U-Net: Convolutional Networks for Biomedical Image Segmentation
Olaf Ronneberger, Philipp Fischer, Thomas Brox
2015 MICCAI(International Conference on Medical image computing and computer-assisted intervention), citations 17590회(2020.09.18 기준)
