U-net网络框架 学习笔记

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：

1. Unet提出的初衷是为了解决医学图像分割的问题；

2. 一种U型的网络结构来获取上下文的信息和位置信息
3. 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

U-net网络框架