对称的编解码结构:(UNet 和 SegNet)

本文探讨了编解码结构在网络中的作用,其中编码器提取特征,解码器进行特征优化和任务处理。重点介绍了U-Net,一种针对医学图像分割的网络,其特征融合通过通道连接实现。同时,SegNet为保留边界信息,使用索引上采样技术,通过反池化恢复细节。
摘要由CSDN通过智能技术生成

       编解码结构其实就是指整个网络中存在一个主要的编码器块和解码器块。编码器块主要用来从输入中提取特征图谱,而解码器块主要是将经过编码器处理的输入所得到的特征进行进一步的特征优化和任务处理。

U-net

        专门为医学图像所提出的分割网络。将图像->高语义feature map的过程看成编码器,高语义->像素级别的分类score map的过程看作解码器。在FCN中,Skip connection的联合是通过对应像素的求和,而U-Net则是对其的channel的concat过程。

 

SegNet

 为了更好的保留边界特征信息。采用了索引的方式进行上采样。即在进行池化操作时,记录池化所取值的位置,在上采样时直接用当时记录的位置进行UpPool(反池化)

import torch
import torchvision
import torch.nn 
  • 1
    点赞
  • 14
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值