image-segmentation - 具有密集 vnet 的 niftynet 多类 3D 分割
问题描述
神经网络新手在这里。我一直在测试 Niftynet,并在自己的带有 dense_vnet 的 MRI 数据集上实现了不错的单类 3D 分割预测。但是,当我尝试添加第二个标签时,我运气不佳。该网络似乎发现了正确的器官,但无法摆脱额外的伪影,就好像它无法脱离局部最小值或者它没有足够的自由度或其他东西。这是更好看的预测切片之一,它确实显示了一些正确的标签,但也显示了额外的噪声。
为什么单类分割比多类分割效果更好?期望 DenseVnet 提供良好的多类 3D 分割结果是否合理?如果是,是否有改进结果的具体方法?
PS Niftynet 的网站是指一般问题的 stackoverflow。
解决方案
推荐阅读
- python - 如何正确获取python类型的变量?
- javascript - 如何在 javascript 中创建删除/删除功能按钮?可以删除元素的按钮
- python - 假设符号在 SymPy 中具有整数值
- javascript - 添加主屏幕图标以创建反应应用程序时遇到问题
- c# - 具有多个 DbContext 的 Code First 自动迁移
- python - 我的代码中的错误在哪里尝试使用 python 比较不区分大小写
- dynamic - 级联动态选择列表的动态操作在列表值更改时触发,不仅在用户从列表中选择值时
- python - 从 Excel 工作表写入表格
- selenium - TestNg 中的静态和非静态
- c++ - 拼接图像无法检测到共同特征点