Unet学习与理解

Unet是对FCN的改进，FCN实现了端到端的图像分割，但是也有缺点：细节处理的不够好，下图是fcn的网络结构。对最后的heatmap进行上采样，与pool4拼接（不是相加），再上采样与pool3拼接，再上采样至原图像大小。

下图是Unet的网络结构。左边是特征提取部分，右边是上采样部分。由于网络结构像U型，所以叫Unet。

这个图表达的很清晰了。

在特征提取部分：1、3*3的卷积操作，padding的策略是vaild，所以每次操作后featuremap的大小会减2。

                             2、经过了四次池化，共有五个尺度。

在上采样部分：1、每次上采样（反卷积），featuremap大小*2.

                         2、灰色箭头代表复制和剪切，每一次上采样，都与对应的特征提取部分融合，融合前需要进行剪切。

                         3、最后一层用了1*1的卷积层做了分类。

                         4、最后输出是388*388的，和输入图像并不完全对应。