UNet-family

# 引言 自2015年以来，**UNet**在医学图像分割领域取得了重大突破，开启了深度学习时代。后续研究者为了提升语义分割性能，在UNet的基础上进行了大量改进。 在这个项目中，我们整理了近年来与UNet（**UNet家族**）相关的语义分割模型。 我的实现主要基于 **pytorch**，其他实现则收集自原论文作者或优秀的开源仓库。需要说明的是，本项目仍在 **建设中**。如果您有任何建议或疑问，欢迎提出 issue 或通过邮件与我联系。 此外，为什么 UNet 在医学图像分割中表现良好？ 您可以从我在知乎上的[回答](https://www.zhihu.com/question/269914775/answer/586501606)中了解详情。

# UNet 系列 ## 2015 * U-Net: Convolutional Networks for Biomedical Image Segmentation (MICCAI) [[论文](https://arxiv.org/pdf/1505.04597.pdf)] [[我的 PyTorch 实现](https://github.com/ShawnBIT/UNet-family/blob/master/networks/UNet.py)][[Keras 实现](https://github.com/zhixuhao/unet)] ## 2016 * V-Net：用于体积医学图像分割的全卷积神经网络 [[论文](http://campar.in.tum.de/pub/milletari2016Vnet/milletari2016Vnet.pdf)] [[caffe](https://github.com/faustomilletari/VNet)][[pytorch](https://github.com/mattmacy/vnet.pytorch)] * 3D U-Net：从稀疏标注中学习密集体积分割 [[论文](https://arxiv.org/pdf/1606.06650.pdf)][[PyTorch](https://github.com/wolny/pytorch-3dunet)] ## 2017年 * H-DenseUNet：用于CT体积肝脏和肿瘤分割的混合密集连接UNet（IEEE Transactions on Medical Imaging）[[论文](https://arxiv.org/pdf/1709.07330.pdf)][[Keras](https://github.com/xmengli999/H-DenseUNet)] * GP-Unet：基于弱标签的3D回归网络病灶检测（MICCAI）[[论文](https://arxiv.org/pdf/1705.07999.pdf)] ## 2018年 * UNet++：用于医学图像分割的嵌套U-Net架构（MICCAI）[[论文](https://arxiv.org/pdf/1807.10165.pdf)][[我的PyTorch实现](https://github.com/ShawnBIT/UN)