语义分割_U-net

前两天简单入门学习图像分割，学习了最基础的U-net，实现训练自己的数据集，今天做一些简单的记录。
参考的文章：
https://arxiv.org/pdf/1505.04597v1.pdf
https://cloud.tencent.com/developer/article/1354435
https://blog.csdn.net/Formlsl/article/details/80373200

1.图像分割_语义分割（semantic segmentation）

semantic segmentation is understanding an image at pixel level
它的目标是标记图像中每个像素类别。因此我们需要需要预测图像中的每一个像素，这类任务也被称为密集预测，简单的示意图如下。

其主要的应用方向之一就是医学图像的处理啦

这可以辅助放射科医生进行分析，减少诊断所需的时间。

然后我们学习的u-net网络是全卷积网络（FCN）的一个变体，其网络结构如下图

简单总结其优点就是：

1. 对比FCN，结构上变化较大的地方是上采样阶段，从结构上看上采样层包含了很多层的特征
2. 在医学图像领域，图像的数据较少，u-net更适合这种训练数据较少的情况
3. 在训练时，相比较FCN，训练次数的减少。

然后还想记录一下的就是其中的conv2DTranspose
比如33的卷积核，然后44的输入，6*6的输出，填充0，其简单的示意图如下：


然后又很多实现的代码，我自己down下来，跑了一下，看了一下效果，具体看了一下网络结构的实现，然后也上传到我的仓库啦：https://github.com/noDreamNoLife/hugay

不过有几个很简单的疑问，为什么没有简单进行padding操作呢？可能是不是当时padding不是很流行哈哈，然后是不是用一下BN是不是会好一点呀。