Unet網絡

近期利用遙感影像進行路網提取，利用Unet網絡進行圖像分割

介紹如下：

U-net網絡非常簡單，前半部分作用是特征提取，后半部分是上采樣。在一些文獻中也把這樣的結構叫做編碼器-解碼器結構。由於此網絡整體結構類似於大寫的英文字母U，故得名U-net。
U-net與其他常見的分割網絡有一點非常不同的地方：U-net采用了完全不同的特征融合方式：拼接，U-net采用將特征在channel維度拼接在一起，形成更厚的特征。而FCN融合時使用的對應點相加，並不形成更厚的特征。

所以語義分割網絡在特征融合時有兩種辦法：
1. FCN式的對應點相加，對應於TensorFlow中的tf.add()函數；
2. U-net式的channel維度拼接融合，對應於TensorFlow的tf.concat()函數，比較占顯存。

 

除了上述新穎的特征融合方式，U-net還有以下幾個優點：

 

1、5個pooling layer實現了網絡對圖像特征的多尺度特征識別。
2、上采樣部分會融合特征提取部分的輸出，這樣做實際上是將多尺度特征融合在了一起，以最后一個上采樣為例，它的特征既來自第一個卷積block的輸出(同尺度特征)，也來自上采樣的輸出(大尺度特征)，這樣的連接是貫穿整個網絡的，你可以看到上圖的網絡中有四次融合過程，相對應的FCN網絡只在最后一層進行融合。