如何让CNN学习位置约束？

Posted 2023-03-28

【中文标题】如何让CNN学习位置约束？

【英文标题】：How to make CNN learn positional constraints?

【发布时间】：2019-09-28 07:04:37

【问题描述】：

我正在使用全连接 CNN 研究医学领域的图像分割问题。

问题在于，对于特定的图像，它可能有很多相似的结构。我们的任务是找到正确的。我想让 CNN 学习的一件事是，不应该有一个结构低于另一个首先在顶部找到的结构。在地面实况图像中，它被隐式显示，因为每张图像中只有一个结构。用CNN可以实现吗？如果没有，可以做些什么来实现它？

【参考方案1】：

使用传统的 CNN，无法学习位置约束，因为学习都发生在空间不变的卷积层中。对此的一个警告是，CNN 将在一定程度上学习特征的相对排列（如果特征 A 始终高于特征 B，则属于 A 的像素的成功分类将隐含地降低高于特征的像素的可能性被归类为 B，至少对于“足够接近”的像素，因为边界区域将与 CNN 的训练对象相反）。如果您认为这还不够，则需要设计一个以某种方式考虑位置的自定义层（尽管如果每个地面实况图像中只有一个结构，我不确定您的数据是否足以教授有关多个对象（超出上述警告）或仅使用基于您对这些位置约束的专业知识设计的非学习算法对 CNN 输出进行后处理。作为一名医学计算机视觉工程师，我会推荐后者，尤其是因为听起来您正在处理一个硬性的无例外规则（为什么还要尝试学习一个已经很简单的规则？）。