深度学习需要图像配准吗？答案

【问题标题】：Does Deep learning requires image registration?深度学习需要图像配准吗？
【发布时间】：2019-10-19 13:06:45
【问题描述】：

我有一个关于生物医学图像分析的一般性问题。由于生物医学图像需要配准以在同一空间中对齐图像并更好地提取特征。我的问题是基于深度学习的分类是否还需要对训练数据集的图像进行图像配准？与深度学习一样，架构本身定义了最佳特征，使用深度神经网络进行腹部 CT 扫描图像分类是否需要配准？当我们执行数据增强以更好地训练数据时，在这种情况下是否仍需要图像配准？

【问题讨论】：

“图像配准”是什么意思？
是的，图像配准是指图像对齐，使多张图像在同一个空间中，这种技术更常用于生物医学图像的预处理。

标签： image-processing deep-learning image-registration

【解决方案1】：

通常，图像数据的深度学习方法是使用至少具有移位不变性的卷积神经网络 (CNN) 完成的。通过使用图像金字塔或特殊构建的神经网络布局，它们也可以实现尺度不变。通常它们不是旋转不变的。

这并不意味着它们不能处理不同旋转的输入图像，但您可能需要更大的模型和更多的训练数据才能使其正常工作。神经网络将学习您尝试检测的任何东西的不同旋转特征。如果旋转范围很小，这可能不是什么大问题。

总而言之，您不一定需要注册，但它可以改善您的最终结果。

【讨论】：