U-net网络
本质上是一个用于图像分割的神经网络
输入是一幅图,输出是目标的分割结果。继续简化就是,一幅图,编码,或者说降采样,然后解码,也就是升采样,然后输出一个分割结果。根据结果和真实分割的差异,反向传播来训练这个分割网络
既然输入和输出都是相同大小的图,为什么要折腾去降采样一下再升采样呢?
文章来源:https://www.toymoban.com/news/detail-701404.html
比较直接的回答是降采样的理论意义:它可以增加对输入图像的一些小扰动的鲁棒性,比如图像平移,旋转等,减少过拟合的风险,降低运算量,和增加感受野的大小。升采样的最大的作用其实就是把抽象的特征再还原解码到原图的尺寸,最终得到分割结果。文章来源地址https://www.toymoban.com/news/detail-701404.html
到了这里,关于U-net网络学习记录的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!