On the Compactness,Efficiency,and Representation of 3D Convolutional Networks:Brain Parcellation as

理解论文： On the Compactness, Efficiency, and Representation of 3D Convolutional Networks: Brain Parcellation as a Pretext Task.

Abstract

1.提出了一种 high-resolution, compact convolutional network 针对 volumetric image segmentation。

2.提出的网络时3D网络，在155组brain  MRI上实验。

3.实验结果表明，本文提出的网络结构与现有的体分割网络相比，具有一个数量级的紧凑性。 

4.将脑分割任务作为体图像分割的一个借口任务； 我们的训练网络为迁移学习提供了一个很好的起点。 

5.此外，我们证明了体素级不确定性估计的可行性，使用抽样近似通过dropout。 

一、Introduction

二、On the elements of 3D convolutional networks

1.网络中只使用大小为3*3*3的卷积核。

三、The network architecture and its implementation

1.网络结构如下图3所示，

2.