Unet学习与理解

时间:2024-04-08 19:05:42

Unet是对FCN的改进,FCN实现了端到端的图像分割,但是也有缺点:细节处理的不够好,下图是fcn的网络结构。对最后的heatmap进行上采样,与pool4拼接(不是相加),再上采样与pool3拼接,再上采样至原图像大小。

Unet学习与理解

下图是Unet的网络结构。左边是特征提取部分,右边是上采样部分。由于网络结构像U型,所以叫Unet。

Unet学习与理解

这个图表达的很清晰了。

在特征提取部分:1、3*3的卷积操作,padding的策略是vaild,所以每次操作后featuremap的大小会减2。

                             2、经过了四次池化,共有五个尺度。

在上采样部分:1、每次上采样(反卷积),featuremap大小*2.

                         2、灰色箭头代表复制和剪切,每一次上采样,都与对应的特征提取部分融合,融合前需要进行剪切。

                         3、最后一层用了1*1的卷积层做了分类。

                         4、最后输出是388*388的,和输入图像并不完全对应。