人工智能图像识别U-net系列算法

U-net系列算法

语义分割

1.U-net

M 整体结构：

M 概述就是编码解码过程

 简单但是很实用 ，应用广

 起初是做医学方向 ，现在也是

主要网络结构：

还引入了特征拼接操作

M 以前我们都是加法 ，现在全都要

这么简单的结构就能把分割任务做好

2.U-net++

M 整体网络结构：

 特征融合 ，拼接更全面

 其实跟densenet思想一致

 把能拼能凑的特征全用上就是升级版了

Deep Supervision ：

 也是很常见的事 ，多输出

 损失由多个位置计算 ，再更新

 现在来看 ，很多视觉任务都可以套用这招

 

@ 可以更容易剪枝：

M 因为前面也单独有监督训练

M 可以根据速度要求来快速完成剪枝

M 训练的时候同样会用到L4 ，效果还不错

 

3.U-net+++

不同的max pool整合低阶特征

（X1和X2 ， 轮廓之类的）

@ 上采样整合高阶特征

（感受野大的 ， 全局的）

各层统一用卷积得到64个特征图

5*64 =320 ， 最终组合得到全部特征