深度学习项目三:Unet网络搭建
前言
- 针对前一个项目,搭建一个普通的浅层神经网络, 主要了解卷积、池化、展平以及全连接,本次项目实战,对原有的Unet网络进行简单修改,进行搭建, 本节主要内容是上采用, 代码的复用操作等。
一、Unet 网络
1.Unet简要介绍
U-Net架构包括一个捕获上下文信息的收缩路径和一个支持精确本地化的对称扩展路径。U-Net证明了这样一个网络使用非常小的图像可以进行端到端的训练,并在生物分割挑战赛中取得了比以前最好的方法。如下图是论文中的网络结构。
- U-Net 是一个 encoder-decoder 结构,左边一半的 encoder 包括若干卷积,池化,把图像进行下采样,右边的 decoder 进行上采样,恢复到原图的形状,给出每个像素的预测。
编码器有四个子模块,每个子模块包含两个卷积层,每个子模块之后有一个通过 maxpool 实现的下采样层。- 架构中的一个重要修改部分是在上采样中还有大量的特征通道,这些通道允许网络将上下文信息传播到具有更高分辨率的层。因此,拓展路径或多或少地与收缩路径对称,并产生一个 U 形结构。