[深度学习]Semantic Segmentation语义分割之UNet(2)

论文全称：《U-Net: Convolutional Networks for Biomedical Image Segmentation》

论文地址：https://arxiv.org/pdf/1505.04597v1.pdf

论文代码：https://github.com/jakeret/tf_unet

目录

提出动机

综述

网络结构

实验结果

代码详解

---

提出动机

首先，以往的深度学习模型大部分都是分类模型，但是很多视觉任务，特别是医学影像的处理方面，需要的是语义分割，具体到每一个像素上的分类。

其次，很多任务没有imagenet那样大规模的数据集，收集的成本非常高。

最后，之前的方法太慢了，对于定位和使用图像中的上下文是一个tradeoff，最近很多方法都是利用多层features，本文也不例外。

综述

UNet是基于全卷积网络，可以参考[深度学习]Semantic Segmentation语义分割之FCN(1)，UNet的主要思想就是在常规的卷积网络后面添加连续的层，这些层的目的是上采样。上采样提高了output的输出精度，但是为了更准确地定位，所以结合了上游的feature。Unet中一个比较重