一 U-net 提出的背景及好处
原论文为:U-Net: Convolutional Networks for Biomedical Image Segmentation
1.1提出背景:
-
Unet提出的初衷是为了解决医学图像分割的问题;
- 一种U型的网络结构来获取上下文的信息和位置信息
- 为了解决细胞层面的分割的任务
1.2在医学领域的优势 :
1.医疗影像语义较为简单、结构固定。需要去筛选过滤无用的信息。医疗影像的所有特征都很重要,因此低级特征和高级语义特征都很重要,所以U型结构的skip connection结构(特征拼接)更好派上用场
2. 医学影像的数据较少,获取难度大,数据量可能只有几百甚至不到100,因此如果使用大型的网络例如DeepLabv3+等模型,很容易过拟合。大型网络的优点是更强的图像表述能力,而较为简单、数量少的医学影像并没有那么多的内容需要表述。
3.医学影像任务中,往往需要自己设计网络去提取不同的模态特征,因此轻量结构简单的Unet可以有更大的操作空间。
二 U-net网络的核心框架
![](https://i-blog.csdnimg.cn/blog_migrate/f96616130a6f0c96fb1d2cd26c21a71d.png)