컴퓨터비전, 머신러닝, 딥러닝을 이용한 의료영상분석 8-4. DeepLab V3+

컴퓨터비전, 머신러닝, 딥러닝을 이용한 의료영상분석 8-4. DeepLab V3+

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/63164/

Depth-wise Separable Convolution

기존 3x3x3 filter(27 parameter)를 사용했던 것에 반하여 3x3x1 filter(9 parameter)를 depth별로 사용하여 학습을 진행 후 1x1x3 filter(3 parameter)를 사용

27 parameters를 사용하는 3x3x3보다 12 parameters를 사용하는 방법이 더 적은 parameter를 사용합니다.

Rethinking Atrous Convolution for Semantic Image Segmentation

Liang-Chieh Chen, George Papandreou, Florian Schroff, Hartwig Adam

citation 2056

URL : https://arxiv.org/abs/1706.05587

Encoder-Decoder with Atrous Separable Convolution for Semantic Image Segmentation

Liang-Chieh Chen, Yukun Zhu, George Papandreou, Florian Schroff, Hartwig Adam

ECCV 2018, citation 2677

URL : https://arxiv.org/abs/1802.02611

DeepLab V3, DeepLab V3+

U-Net Encoder Decoder 형태를 사용하여 모델을 구조화함

Segmentation Networks

Leaderboard를 통해 순위를 볼 수 있습니다.