HyperDense-Net: A Hyper-Densely Connected CNN for Multi-Modal Image Segmentation
最近，密集的连接吸引了计算机视觉的广泛关注，因为它们促进了训练过程中的梯度流和隐式的深度监控。尤其是，DenseNet 以前馈的方式将每一层连接到其他每一层，并在自然图像分类任务中显示出令人印象深刻的性能。我们提出了 HyperDenseNet，这是一个 3-D 全卷积神经网络，它将密集连接的定义扩展到多模式分割问题。每个成像模态都有一条路径，并且密集连接不仅发生在同一路径内的各对层之间，而且发生在不同路径之间。这与现有的多模态 CNN 方法形成对比，在现有的多模态 CNN 方法中，对几种模态进行建模完全依赖于单个联合层（或抽象级别）进行融合，通常是在网络的输入端或输出端。因此，所提议的网络具有完全自由地学习模态之间更复杂的组合的能力，并且可以在所有级别的加工之间进行学习，从而显着增加了学习表示。
方法
实验
结论
densenet + cross connection
