CNN卷积神经网络——Unet网络模型学习（1）

图像分割

分割任务就是在原始图像中逐像素的找到我们需要的东西。

语义分割

语义分割就是把每个像素都打上标签（每个像素点是人、树、背景等）。
（语义分割只区分类别，不区分类别中具体的单位）

实例分割

实例分割不光要区分类别，还要区分类别中的每一个个体。

语义分割

损失函数

逐像素的交叉熵

还经常要考虑样本的均衡问题
交叉熵损失函数公式如下：

MIOU

IOU（intersection or Union，交并比 ）

MIOU就是计算所有类别的均值，一般当作分割任务评估指标。

希望IOU最后接近于1。

UNet

整体结构

简单说，就是编码解码的过程。并且还引入了特征拼接操作。

UNet++

整体网络结构

改进二，损失由多个位置计算，再更新

优点：
可以更容易剪枝，因为前面也单独有监督训练，可以根据速度要求来快速完成剪枝