UNet网络结构

UNet是医学图像处理方面著名的图像分割网络,过程是这样的:输入是一幅图,输出是目标的分割结果。继续简化就是,一幅图,编码,或者说降采样,然后解码,也就是升采样,然后输出一个分割结果。根据结果和真实分割的差异,反向传播来训练这个分割网络。其网络结构如下:

UNet网络结构_第1张图片

可以看出,该网络结构主要分为三部分:下采样,上采样以及跳跃连接。首先将该网络分为左右部分来分析,左边是压缩的过程,即Encoder。通过卷积和下采样来降低图像尺寸,提取一些浅显的特征。右边部分是解码的过程,即Decoder。通过卷积和上采样来获取一些深层次的特征。其中卷积采用的valid的填充方式来保证结果都是基于没有缺失上下文特征得到的,因此每次经过卷积后,图像的大小会减小。中间通过concat的方式,将编码阶段获得的feature map同解码阶段获得的feature map结合在一起,结合深层次和浅层次的特征,细化图像,根据得到的feature map进行预测分割。要注意的是这里两层的feature map大小不同,因此需要经过切割。最后一层通过1x1的卷积做分类。

UNet网络结构的代码:https://github.com/LiangHe77/UNet

你可能感兴趣的:(深度学习)