U-Net 网络结构：全面深度解析

一、背景与提出动机

1.1 原始论文

• 标题：U-Net: Convolutional Networks for Biomedical Image Segmentation
• 作者：Olaf Ronneberger, Philipp Fischer, Thomas Brox
• 发表时间：2015 年（MICCAI）
• 核心挑战：医学图像标注数据极度稀缺（通常只有几十张带标注图像），且需要像素级精确分割。

1.2 设计目标

• 在极小训练集下仍能获得高精度分割结果；
• 利用上下文信息（通过收缩路径）和精确定位（通过扩展路径 + 跳跃连接）；
• 实现端到端、全卷积（Fully Convolutional）的语义分割。

---

二、整体架构：对称的“U”形编码器-解码器

U-Net 是一种 Encoder-Decoder with Skip Connections 架构，其核心思想是：

“先压缩提取语义，再逐步恢复空间细节，并融合多尺度特征。”