FCN（Fully Convolutional Network）与Unet：谈到语义分割不得不提的两个网络

转载请注明出处：https://blog.youkuaiyun.com/wyzjack47/article/details/81107980

语义分割经典之作：FCN（Fully Convolutional Network）

参考论文：Fully Convolutional Networks for Semantic Segmentation. Jonathan Long ,Evan Shelhamer ,Trevor Darrell

FCN毫无疑问是语义分割领域的经典之作，在FCN出现之前，传统的CNN分割是将像素周围一个小区域作为CNN输入，做训练和预测，这样低效且不准确（忽略整体信息）。CNN主要有三点创新：

• 卷积化：即将传统CNN结构（文中提到的Alexnet、VGG）最后的全连接层改成卷积层，以便进行直接分割，这是十分有创造性的。
• 上采样：由于网络过程中进行了一系列下采样，使得特征层大小减小，了最后得到的预测层和原图一致，需要采用上采样，作用类似于反卷积。
• 并联跳跃结构：想法类似于resnet和inception，在进行分类预测时利用多层信息，具体如下图：

 

Unet:医学影像分割的基石

参考论文：U-Net: Convolutional Networks for Biomedical Image Segmentation. Olaf Ronneberger, Philipp Fischer, and Thomas Brox

我翻阅很多医学影像分割的论文，大部分都以Unet为基础进行改良，可见其重要性。而Unet是在FCN的基础上进行改良