MultiResUNet 和malunet笔记

目录

unet:

MultiResUNet

pytorch代码：

MALUNet 皮肤病分割

pytorch代码：

---

unet:

keras版：

https://github.com/zhixuhao/unet/blob/master/model.py

MultiResUNet

原文地址：MultiResUNet : Rethinking the U-Net Architecture for Multimodal Biomedical Image Segmentation paper

创新点
将u-net中的两个3X3的卷积替换成3X3，7X7卷积运算与5X5卷积运算并行合并，使用多分辨率思路替换传统卷积层。
使用res path替换传统u-net中的简单的跳过连接。
在具有挑战性的训练集有着卓越的提高。
multiblock
多分辨率分析来扩展U-Net的最简单方法是将3×3和7×7卷积运算与5×5卷积运算并行地合并，如图3a所示。
论文中使用一系列更小，更轻便的3×3卷积块来分解更大，更苛刻的5×5和7×7卷积层，如图3b所示。2个3×3卷积块的输出有效地近似5×5卷积运算，3个3×3