U-Net模型

最新推荐文章于 2025-06-17 08:03:37 发布

iamcfb_

最新推荐文章于 2025-06-17 08:03:37 发布

阅读量1.4w

点赞数 4

CC 4.0 BY-SA版权

本文链接：https://blog.csdn.net/iamcfb_/article/details/86494817

U-Net模型是一种改进的全卷积网络结构，专为医学图像的语义分割设计。它由压缩通道和扩展通道组成，前者用于特征提取，后者用于位置信息还原。U-Net融合了编码-解码结构和跳跃连接，即使在样本有限的情况下也能实现高精度的分割效果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

U-Net模型是一种改进的FCN结构，因其结构经论文作者画出来形似字母U而得名，应用于医学图像的语义分割。它由左半边的压缩通道（Contracting Path）和右半边扩展通道（Expansive Path）组成。压缩通道是典型的卷积神经网络结构，它重复采用2个卷积层和1个最大池化层的结构，每进行一次池化操作后特征图的维数就增加1倍。在扩展通道，先进行1次反卷积操作，使特征图的维数减半，然后拼接对应压缩通道裁剪得到的特征图，重新组成一个2倍大小的特征图，再采用2个卷积层进行特征提取，并重复这一结构。在最后的输出层，用2个卷积层将64维的特征图映射成2维的输出图。