Unet-初探

1 背景

U-Net 是由 Ronneberger 等人在 2015 年提出的一种卷积神经网络，最早用于 医学图像分割（尤其是细胞、组织、病灶区域的分割）。
它的名字来源于网络结构的形状 —— 对称的“U”形。
U-Net 的设计目标是：在训练样本较少的情况下，仍然能够实现高精度的 像素级分割。

2 网络架构

U-Net 的结构可以分为两个部分：左边的编码器（下采样路径） 和 右边的解码器（上采样路径），两者通过 跳跃连接（skip connections） 相连。

2.1 编码器（左边）

结构：多层卷积 + 最大池化 (MaxPooling)。

作用：逐步提取特征，从局部低级特征（边缘、纹理）到高级语义特征（器官、物体类别）。

特点：每次下采样，空间分辨率减半，通道数翻倍。

例如：3 → 64 → 128 → 256 → 512 → 1024。

2.2 解码器（右边）

结构：上采样（反卷积或双线性插值）+ 卷积。

作用：逐步恢复空间分辨率，结合编码器特征，得到更精细的分割结果。

特点：每次上采样，空间分辨率增大，通道数减半。

例如：1024 → 512 → 256 → 128 → 64。</