FCN + Unet+FusionNet+segnet+deconvNet的区别---＞个人的理解（可能有偏差）

1，FCN 开山之作
1）把全卷积转换成了卷积网络
2）像素级别融合+跳跃连接
3）反卷积
实验证明是FCN-8s是最佳网络。
2、U-Net
1）继续沿用卷积神经网络
2）反卷积+对等层的通道数增加，不是像素数值增加，尺寸保持不变，可以不全以前丢失信息。
3）设计了加权损失函数，该函数可以使得细胞与细胞之间的很细很窄距离，通过该函数可以很好的确定下来。
是反卷积层的特征层和对应的encoder的卷积层两者进行channels连叠加，在进行卷积，然后在反卷积，然后再与对应的卷积层进行channels的叠加，以此类推。

3、FusionNet
1)改编了U-net，加入了padding
2）引入了残差快，是对应的像素数值叠加。
3）长连接，对应的层数连接。是对应的像素数值叠加。

4.SegNet
1)encoder-decoder-pixel-wise,解码编码的推广。
2）decoder，反池化pooling index进行的非线性上采样。
3）多做实验多对比
4）内存与准确率的比例设定得很好。
Segnet是把conv对应层数直接拿过来使用，然后进行最大反赤化的应用。

5.DeconvNet
1)在decoder部分是:反卷积+反池化，逐像素级别完成。
改论文最大优点，结构合理，在每部分的文字叙述中逻辑好，可以借鉴。

总结：
1）注意搜集实验数据，
2）注意经典段落的收集
3）错误实验结果也是论文一部分
4)复现经典论文，注意拿源代码，自己复现不能百分百实现，很正常，不要列举具体的数据标准，可能存在误差，属于剽窃，可以列举图片差别，最直接。