Unet网络本质是一个框架,主要由编码和解码构成,编码结构可以用任何图像分类结构。
核心贡献:(1)编解码结构
与FCN相比,解码结构更加完善,能够得到更加准确的分辨率。
(2)skip-connection
与FCN相比,有更长距离的skip
FCN采取的方式是直接相加,而Unet采用的是连接方式。
应用:
(1)主要应用于医学图像分割。
(2)姿态估计
(3)Gan网络
联系:
VGG——resnet-----------FCN------Unet
参考链接:
https://blog.csdn.net/Formlsl/article/details/80373200
Unet网络理解
最新推荐文章于 2024-08-02 22:07:39 发布
Unet是一种用于图像分割的深度学习框架,由编码和解码部分组成,其核心特点包括完善的解码结构和skip-connection设计。相比于FCN,Unet的解码部分能提供更高精度的分割结果,skip-connection则通过连接而非简单相加,增强了特征融合。该网络广泛应用于医学图像分割、姿态估计以及Gan网络。
摘要由CSDN通过智能技术生成