UNet++ (Nested U-Net) 阅读笔记：A Nested U-Net Architecture for Medical Image Segmentation

论文地址：https://arxiv.org/abs/1807.10165v1
代码：https://github.com/MrGiovanni/UNetPlusPlus

引言

原始的UNet直接将来自解码器子网络具有语义的粗粒度的特征图与来自编码器子网络具有低级别的细粒度的特征图concatenate起来，这样会产生semantic gap

结构

作者灵感来自于DenseNet中的dense skip pathway，提出了下面的结构：

黑色的表示原始的UNet结构，绿色的是本文添加的卷积层，蓝色是绕过编解码过程的dense skip pathway，这样可以有效的减少semantic gap或者绕过semantic gap
由这幅图可以看出会有四个输出，后面跟了一个deep supervision，即每个输出分支后接1x1卷积。两种模式选择：1）所有的输出被平均。2）只有最后一个单一的输出

损失

损失函数：交叉熵+dice置信

结果

四个分割任务：细胞核、肠息肉、肝、肺结节

用了deep supervision的结构在后两个会表现好