深入浅出了解Unet

Net最早发表在2015的MICCAI上，短短3年，引用量目前已经达到了4070，足以见得其影响力。而后成为大多做医疗影像语义分割任务的baseline，也启发了大量研究者去思考U型语义分割网络。而如今在自然影像理解方面，也有越来越多的语义分割和目标检测SOTA模型开始关注和使用U型结构，比如语义分割Discriminative Feature Network(DFN)(CVPR2018)，目标检测Feature Pyramid Networks for Object Detection(FPN)(CVPR 2017)等。
 

网络结构

本文提出了一个分割网络——Unet，Unet借鉴了FCN网络。UNet的结构，我认为有两个最大的特点，U型结构和skip-connection（如下图）：

pic

其网络结构包括两个对称部分：前面一部分网络与普通卷积网络相同，使用了3x3的卷积和池化下采样，能够抓住图像中的上下文信息（也即像素间的关系），encoder下采样4次，一共下采样16倍；后面部分网络则是与前面基本对称，其decoder也相应上采样4次，<