关于U-Net你所需要知道的一切

---

关于U-Net你所需要知道的一切

在2015年，传统深度学习时代的早期，U-Net: Convolutional Networks for Biomedical Image Segmentation（U-Net）正式发表，图像分割领域迎来了它的“ResNet”。

U-Net起初在生物医学图像这个细分领域取得了最佳的工业界效果，由于其简洁，高效，稳定的特性，随机被广泛的应用于图像分割的各个方向，比如智慧交通，智慧城市，工业检测等

U-Net的核心结构和细节

1. encoder-decoder 结构

U-Net最经典的特征是其形如“U”型的Encoder-Decoder的结构，这样的结构简洁且高效，并且具备对称的“艺术”美感，也让U-Net具备了极强的生命力与适应性。**

• 左半部分的Encoder模块负责进行特征提取和学习，Encoder模块可由ResNet、VGG、EfficientNet等一流特征提取模型替换
• 右半部分的Dencode模块负责将feature map恢复到原分辨率，关键是skip-connection（跳跃连接，是不是很容易让人联想到ResNet的残差的设计）融合了浅层的位置信息与深层的语义信息。