1. Резюме FCN
(1) Первая сквозная полностью сверточная нейронная сеть для прогнозирования на уровне пикселей
(2) Полная свертка: замена всех полносвязных слоев в классической сети классификации на сверточные слои
(3) объединение позиционных признаков мелкого слоя с Глубокие семантические признаки объединяются, но метод комбинирования представляет собой простое сложение, которое отличается от метода сращивания каналов U-net.
Структура сети FCN выглядит следующим образом:
2. Сводка по сети
(1) Полностью симметричная U-образная структура делает слияние передних и задних элементов более тщательным, увеличивая количество информации с высоким разрешением и информацию с низким разрешением в целевом изображении.
(2) Способ сварки при скиповом соединении - сращивание по каналу
Структура сети U-net выглядит следующим образом:
3. Резюме U-net++
Основная идея U-net++ состоит в том, чтобы добавить больше путей между кодировщиком и декодером U-net. Левая сторона U-net++ — даунсемплинг, в процессе которого каждый узел с пониженным разрешением будет объединен с предыдущим узлом, и он будет циклически повторяться. Цель U-net++ — повысить точность сегментации за счет добавления плотных блоков и сверточных слоев между кодером и декодером.
