Directorio de artículos
1. Resumen de FCN
(1) La primera red neuronal completamente convolucional de extremo a extremo para la predicción a nivel de píxel
(2) Convolución completa: reemplace todas las capas completamente conectadas en la red clásica de clasificación con capas convolucionales
(3) combine las características posicionales de la capa superficial with Las características semánticas profundas se combinan, pero el método de combinación es una adición simple, que es diferente del método de empalme de canales de U-net.
La estructura de la red FCN es la siguiente:
2. Resumen de la red U
(1) La estructura en forma de U totalmente simétrica hace que la fusión de las características delanteras y traseras sea más completa, lo que hace que la información de alta resolución y la información de baja resolución aumenten en la imagen objetivo.
(2) La forma de fusión durante la conexión de salto se empalma según el canal
La estructura de red de U-net es la siguiente:
3. Resumen de U-net++
La idea principal de U-net++ es agregar más rutas entre el codificador y el decodificador de U-net. El lado izquierdo de U-net++ es la reducción de resolución. En el proceso de reducción de resolución, cada nodo reducido se fusionará con el nodo anterior y se alternará. El objetivo de U-net++ es mejorar la precisión de la segmentación agregando bloques densos y capas convolucionales entre el codificador y el decodificador.
