基于一种更加优雅的结构FCN,对这种结构进行了一定的修改和拓展,以使其使用更少的训练图像,产生更高精度的分割。
网络结构
- 收缩路径就是常规的卷积网络,它包含重复的2个3x3卷积,紧接着是一个RELU,一个max pooling(步长为2),用来降采样,每次降采样我们都将feature channel减半。
- 扩展路径包含一个上采样(2x2上卷积),这样会减半feature channel,接着是一个对应的收缩路径的feature map,然后是2个3x3卷积,每个卷积后面跟一个RELU,因为每次卷积会丢失图像边缘,所以裁剪是有必要的。
- 最后来一个1x1的卷积,用来将有64个元素的feature vector映射到一个类标签,整个网络一共有23个卷积层。
- 为了允许对最终的分割map**无缝tile**,选择输入tilesize非常重要,因为这样所有的2x2的max池化操作应用到偶数x和y。