一、FCN总结
（1）首个端到端的针对像素级预测的全卷积神经网络
（2）全卷积：将分类经典网络中的全连接层全部替换为卷积层
（3）将浅层的位置特征与深层的语义特征结合起来，但结合的方式是简单相加，与U-net的通道拼接方式不一样。
FCN网络结构如下：
二、U-net总结
（1）完全对称的U型结构使得前后特征融合更为彻底，使得高分辨率信息与低分辨率信息在目标图片中增加。
（2）跳跃连接时融合的方式是按照通道进行拼接
U-net的网络结构如下：
三、U-net++总结
U-net++的主要思想是在U-net的编码器和解码器之间添加更多的路径。U-net++的左边是下采样，在下采样的过程中，每一次下采样的节点都会和上一个节点相融合，依次循环进行。U-net++的目标是通过在编码器和解码器之间添加密集块和卷积层来提高分割精度。
