U-Net网络（一 输入）

引言

小编初学U-Net网络。先一步步给出一些理解，后续内容再更新。

U-Net网络结构

我们先来看一下u-Net的网络结构：

网络是一个经典的全卷积网络（即网络中没有全连接操作）。网络的输入是一张 572 * 572 的边缘经过镜像操作的图片（input image tile），关于“镜像操作“会在后面进行详细分析，网络的左侧（红色虚线）是由卷积和Max Pooling构成的一系列降采样操作，论文中将这一部分叫做压缩路径（contracting path）。压缩路径由4个block组成，每个block使用了3个有效卷积和1个Max Pooling降采样，每次降采样之后Feature Map的个数乘2，因此有了图中所示的Feature Map尺寸变化。最终得到了尺寸为 32 * 32 的Feature Map。

网络的右侧部分(绿色虚线)在论文中叫做扩展路径（expansive path）。同样由4个block组成，每个block开始之前通过反卷积将Feature Map的尺寸乘2，同时将其个数减半（最后一层略有不同），然后和左侧对称的压缩路径的Feature Map合并，由于左侧压缩路径和右侧扩展路径的Feature Map的尺寸不一样，U-Net是通过将压缩路径的Feature Map裁剪到和扩展路径相同尺寸的Feature Map进行归一化的（即图1中左侧虚线部分）。扩展路径的卷积操作依旧使用的是有效卷积操作，最终得到的Feature Map的尺寸是 388 * 388 。由于该任务是一个二分类任务，所以网络有两个输出Feature Map。

U-Net的输入

首先，数据集我们的原始图像的尺寸都是 512 * 512 的。为了能更好的处理图像的边界像素，U-Net使用了镜像操作（Overlay-tile Strategy）来解决该问题。镜像操作即是给输入图像加入一个对称的边（图2），那么边的宽度是多少呢？一个比较好的策略是通过感受野确定。因为有效卷积是会降低Feature Map分辨率的，但是我们希望 512 * 512 的图像的边界点能够保留到最后一层Feature Map。所以我们需要通过加边的操作增加图像的分辨率，增加的尺寸即是感受野的大小，也就是说每条边界增加感受野的一半作为镜像边。

图二

要计算感受野的大小，就不得不需要知道卷积层和池化层的相关输出图像大小。
详情请参考这一篇参考博客：
https://blog.csdn.net/ddy_sweety/article/details/79798117

关于如何计算多层卷积、池化网络每一层的感受野(Receptive Field)，可参考下篇参考博客：
https://blog.csdn.net/qq_36825778/article/details/102475650

根据图1中所示的压缩路径的网络架构，我们可以计算其感受野：

  因为网络的结构中用到的只有3 * 3的卷积核和2 * 2的最大池化层。最大池化层会造成图像长宽的减半，所以计算感受野的时候需要乘以2.

即：

这也就是为什么U-Net的输入数据是 572 * 572 的。572的卷积的另外一个好处是每次降采样操作的Feature Map的尺寸都是偶数，这个值也是和网络结构密切相关的。