DDU-Net: 基于多块 GPU 的领域分解卷积神经网络
原文中文，约400字，阅读约需1分钟。发表于：。介绍了一种结合编码器 - 解码器架构和域分解策略的新方法，通过将输入图像划分为非重叠的补丁，并在独立设备上独立处理，进而加入通信网络以增强对空间上下文的理解，从而实现对超高分辨率图像进行分割。实验证明，该方法在划分为 16x16 的非重叠子图像并包含补丁间通信的情况下，相比于无补丁通信的相同网络，交并比（IoU）得分提高了 2-3％。同时，具有通信功能的网络的性能与在完整图像上训练的基准...
该研究提出了一种新方法，通过将输入图像划分为补丁并在独立设备上处理，加入通信网络以增强对空间上下文的理解，实现对超高分辨率图像进行分割。实验证明，该方法在补丁通信的情况下，相比于无补丁通信的网络，交并比得分提高了2-3％。同时，具有通信功能的网络的性能与基准U-Net相当，提供了对超高分辨率图像进行分割的有效解决方案。
