u-net segnet 学习笔记

先放参考链接：http://blog.csdn.net/u012931582/article/details/70314859

首先，u－net的网络结构：

可以看到，输入图像尺寸是大于输出图像的。

u－net一个比较“创新”做法在于：在对图像边界进行padding时，用的不是传统的补零，而是对边缘部分镜像！：

u－net的拓展：

数据增强：移动最小二乘实现图像数据增强（有时间自己可以写代码实现一下。。。）

论文名称： Image Deformation Using Moving Least Squares

还有个segnet，

结构很对称，前部分和普通的vgg19一致。创新之处在于，它的pooling都会记住pooling indices（粗暴点讲就是max pooling时候，会记住max值的坐标位置）。所以在后半部分upsample的时候，操作是：把pooling得到的max值放回之前本身的对应坐标位置，其他位置的值全置0.

    这篇写的比较水啊，有新理解会来补充的。。。。。