CV / 视觉生成 · 2015 · U-Net
U-Net: Convolutional Networks for Biomedical Image Segmentation
Olaf Ronneberger et al.
利用收缩路径、上采样和跳跃连接实现精细分割。
语义分割医学图像编码器解码器
复现空间 · 建议计划
入门 · 小规模训练 · 编辑建议，尚未实测
最小实验目标
在公开小型分割集训练 U-Net，对比有无数据增强。
数据集 / 环境
ISBI 细胞分割数据或其他许可清晰的教学分割集。
评估项
- Dice
- IoU
边界与常见偏差
按患者或原始图像划分数据，避免相邻切片泄漏；替代数据需独立报告，不作医学诊断使用。
实验验收协议
- 阅读原文，选定要对齐的具体表格、模型变体与数据划分；把缩小规模或替换组件单独列出。
- 核对作者资源的许可与依赖，锁定代码 commit、权重版本、硬件、随机种子和完整运行命令。
- 先完成数据与推理检查，再执行约定的实验；记录多次运行结果、资源消耗和失败案例。
- 提交可核验的代码、配置、日志与报告。原论文数值须注明表格和协议，当前指标必须附实际运行证据。
实验记录
- 原论文对齐目标
- 待认领后选定具体表格与评估条件
- 社区复现指标
- 暂无已验证结果
暂无实验日志与复现报告。收录此论文不表示社区已完成训练或评估；后续记录通过仓库 Issue 和 Pull Request 补充。