图像分割问题:任给出一张图,分出一个物体的准确轮廓。
UNet是像素级分类,输出的则是每个像素点的类别,且不同类别的像素会显示不同颜色,UNet常常用在生物医学图像上。
unet是一个对称的(如图)
左侧下采样称为encoder,右侧上采样称为decoder
skip connection中间的灰色线,在上采样的过程中,融合下采样过程中的feature map,讲将feature map进行叠加,concat(像摞一摞书一样)。
但是每一个feature map的大小不一,解决的办法有两种:
一是将大的feature map进行裁剪,使其与小的featuremap大小一致。
二是将小的featuremap进行padding,补齐不足的部分使小的featuremap与大的featuremp大小一致
unet采用第二种。
该网络结构:
主要分为三部分:下采样, 上采样以及 跳跃连接。
首先将该网络分为左右部分来分析,左边是压缩的过程,即Encoder。通过卷积和下采样来降低图像尺寸,提取一些浅显的特征。