图像分割之U-Net

蜡笔小昕 · 发表于 2022-9-26 06:51:30

反卷积和卷积的对称结构是U-Net对称结构的主要技术之一，比单纯的非卷积效果要好，参考FPN。

卷积感受野可以看做计算当前Feature Map的像素点需要的输入图像的区域，卷积一般会是改变感受也得（1*1不会改变），试着根据网络参数计算一下Feature Map和输入图像的关系可以帮助理解感受野的定义。

朕都依你 · 发表于 2022-9-26 06:52:14

我的理解是 decoder中，是根据encoder中获得的感受野来重建图像，所以在解码过程中不存在感受野的问题，即使经过了几个卷积层，其他文章好像都没有太说decoder中的感受野问题。FPN中对decoder 用3*3卷积的解释是为了消除上采样时的混叠效应，不知道理解的对不对

东少 · 发表于 2022-9-26 06:52:41

是的

蜗大牛 · 发表于 2022-9-26 06:53:19

有一些疑问：依论文的意思，作者不是512x512直接输入，应该是以388x388大小进行padding的吧，也就是以黄色框进行padding。模型结构定下来了，由输出推输入应该不难。

快乐加速度 · 发表于 2022-9-26 06:53:59

您好，请问Unet输入图像尺寸不一样可以吗？（不固定）

丷欲丷 · 发表于 2022-9-26 06:54:57

理论上来说是可以的，因为U-Net是全连接结构。但是可能效果不佳，因为输入图像的尺寸也是产生这个结构的U-Net的参考要素之一。

郑科荣 · 发表于 2022-9-26 06:55:29

想请教两个问题：
1） \ell: \Omega \rightarrow \{1,...,K\} 是像素点的标签值，
想问下最后输出两张map。所以K=2吗？

2）另外w_c: \Omega \in \mathbb{R} 是平衡类别比例的权值
这个是如何设置的，基于什么原理？

霞菁 · 发表于 2022-9-26 06:55:57

“每个block使用了3个有效卷积和1个Max Pooling降采样”

从图上看，是2个有效卷积吧？

浪迹青春 · 发表于 2022-9-26 06:56:41

有没有unet的代码详解啊(눈_눈)

枯心易凉 · 发表于 2022-9-26 06:57:37

作者你好，U_net可以做多分吗？可以指条明路吗

图像分割之U-Net

浏览过的版块