Unet实验结果

实验报告

本次实验采用30张细胞图片，根据原图Images和分割图Labels，使用Unet网络，对细胞图片进行语义分割。效果如下

网络结构

采用网络结构如下：

其中对上采样，下采样，卷积的详细计算如下：

总结反思

查阅2015年Unet原论文，我们能够发现作者采用的是padding=0的卷积层，并且最终是由输入大小为572x572的图片，输出为388x388的图片，在实验中缺少的像素点使用边缘镜像的方式得到，这样的话有些像素点是猜想的，必然会引起误差。下为原论文Unet网络结构

查阅github上多种有关Unet的代码，我们能够发现大家更偏向于使用padding=1的卷积层，这样根据特征矩阵大小计算公式(W - 3 + 2)/1 + 1 = W，所以输出特征矩阵和输入特征矩阵的大小相同，且不用是用边缘镜像的方式得到缺少的像素点。最终我们输入480x480的图片，得到480x480的图片，网络结构如下：

三图对比

分别是原图Images，原分割图Labels，实验分割图。

Loss值为0.006136618554592133。

原图Images

原分割图Labels

实验得到的分割图