大讲堂 第74 期
分享主题
研习U-Net
分享背景
经典的Encoder-Decoder结构在目标分割问题中展现出了举足轻重的作用，然而这样一个相对固定的框架使得模型在感受野大小和边界分割精度两方面很难达到兼顾。本次公开课，讲者以U-Net为案例分析，总结现有的分割网络创新，以及探讨还有哪些有针对性的改进方向。
分享嘉宾
周纵苇，亚利桑那州立大学生物信息学在读博士，师从Jianming Liang教授，主要研究方向为医学图像分析，深度学习等。其研究工作曾在 CVPR，DLMIA，EJNMMI Research发表。
分享提纲
-
肢解经典的U-Net结构，反思其组成元素的必要性和优缺点
-
解读现有的对于U-Net结构性创新的改进思路
-
分享我们对其提出的一个改进方案——UNet++
分享时间
9月 18 日（星期二） 20:00
直播链接
http://www.mooc.ai/open/course/549
（公开课30秒满意度调查：http://cn.mikecrm.com/z5nr7sn）
