U-Net学习总结

一、U-Net概念
U-Net是2015年提出的用于生物图像分割的网络，并在当时取得了冠军。U-net 是基于FCN的一一个语义分割网络,主要用于医学图像的分割。

u-net分为两个部分，一个是特征提取部分，一个是上采样部分。特征提取部分先进行两次的卷积，之后经过4次下采样。特征提取部分，每经过一个池化层就一个尺度， 包括原图尺度一共有5个尺度。上采样部分，每上采样一次， 就和特征提取部分对应的通道数相同尺度拼接，经过4次相同的操作，但是拼接之前要将其crop。之后经过两次卷积，最后经过1*1的卷积得到分割结果。
二、卷积层
卷积相当于一个滑动窗口，在特征图上进行滑动，并计算。把卷积核覆盖到特征层上，卷积核上的值与特征层的值相乘然后相加得到卷积结果。卷积的目的是为了进行特征提取。
步长：所谓的步长就是控制卷积核移动的距离。

对多维的特征矩阵进行卷积操作，假如输入一张RGB的彩色图像，那么有RGB 3个分量。卷积核的深度要保持一致，所以也要是3维。然后将卷积核的每一个维度放到对应的维度上进行滑动卷积，最后进行求和操作，就得到了输出矩阵。输出的深度与卷积核的个数相同。

**