论文笔记-U-Net: Convolutional Networks for Biomedical Image Segmentation

Abstract
Unet是2015年的一篇工作了，在医疗图像分割中，能够在很少的训练集上实现比较好的分割效果。同时，设计的Encode-Decode结构（U形结构），在后来的很多方法中被借鉴使用
现在回过来看UNet的工作，整体思路还是比较简单的，具体的细节，将按照如下的网络结构图进行展开阐述：

Details
每一层的尺寸

训练样本的大小是512512，为了能够包含到图像边缘的像素点，将训练样本扩充为572572（图像边缘多30个像素，用图像内的像素对称填充），如下图

至于为什么扩充30个像素，个人理解是为了保证对Encode中的倒数第二个特征图（也就是Decode时进行concat的第一个层）crop时不会把原始图像的边缘信息裁剪掉，如上图中右侧原始图像的一个点，其按照Encode的反向过程计算的感受野大小为((0×2+2+2)×2+2+2)×2+2+2)×2+2+2=60
Encode过程中，每一层的卷积都是valid卷积，即padding=0，这就会导致每一层执行一次33卷积尺寸便缩小减小4个像素。这里如果用same conv，网络结构设计上应该也会更随意些
整个UNet共计经过4次下采样和4次上采样，除最后一层外全部使用的是33（valid conv），最后一层使用1*1，共计23层conv
每一层的channel个数

Encode每次执行pooling后，kernel的个数都会增加一倍，而Decode的过程中，则是反过来的
Encode-Decode结构的连接方式

这里连接是为了将低层特征和高层特征进行融合
对于低层特征（encode部分的feature map），由于前面提到的valild conv，在decode中的层执行upconv操作后，和原始尺寸还是有偏差的，因此直接将encode过程中的feature map裁剪成相同大小的feature map，然后在直接在channel维度concate，而不是element-wise的sum；同时，原始输入图像扩充，也保证了这里crop时原始图像的特征不会被丢弃
Loss

unet使用的是二分类交叉熵损失，如果用于多分类，该用多分类交叉熵即可
unet本身对二分类交叉熵loss进行了修改，引入weighted map，使得网络能够学习到更好的边界信息，这里不再赘述。（个人理解，对于其他语义分割任务，用原始交叉熵即可）