U-Net核心思想

2015年提出的用于生物图像分割的网络，并在当时取得了冠军

核心思想：

1.网络由一个收缩子网络核一个扩张子网络构成；收缩主要用来捕捉上下文特征，扩张用来进行定位；

2.收缩网络由卷积层、relu、2*2max polling构成，扩张网络主要由转置卷积来完成；

3.收缩网络特征层分辨率高，用来定位；扩张网络特征层分辨率低，用来分类；

4.收缩网络和扩张网络之间存在快捷连接，将底底层特征和高层特征进行融合，取得更好的分割效果；

5.损失函数采用softmax+交叉损失熵，对于类别不平衡问题可以使用加权的交叉损失熵，可借鉴HED边缘检测中提到的思想；

6.U-Ner不需要大量的训练数据，也能较好的收敛，至于为什么该网络不需要大量数据，还不太清楚，还需进一步思考。