Semantic segmentation network of uav image based on improved U-net（基于改进U-net的无人机图像语义分割网络）论文笔记

摘要：

本文将U-net应用于无人机图像处理问题，对无人机图像进行像素级的语义分割，以识别地物类型及其包含的像素。为了提高神经网络的识别精度，本文提出了一种改进的基于u-net的神经网络模型，并将其应用于该问题。通过训练、验证和测试相同的小样本数据集，发现改进后的网络比Unet具有更好的识别精度。

1 介绍

2 FCN and U-net

2.1. FCN

浅层卷积具有较小的感知域，可以学习一些局部特征，而深层卷积具有较大的感知域，可以学习更多的抽象特征。

FCN也有一些固有的缺陷。例如，结果不够精确。上采样的结果是模糊平滑的，对图像中的细节不敏感。二是没有充分考虑象素之间的关系，缺乏空间一致性。

2.2. U-net

atrous-unet structure

文中创新点：只加入arous-conv，与UNet比较有一定提高。