封面《湛蓝牢笼 Rail of Möbius》

前言

因为实验室项目使用了 U-Net 网络因此读了一下论文来了解一下。

卷积神经网络的典型应用是分类任务，而医学影像需要位置信息，即对每一个像素打标签。此外医学影像的数据集很少。
在 U-Net 之前 Hence,Ciresan 等人训练了一种基于滑动窗口的方法，该方法使用一个像素周围的局部区域（patch）的像素来预测该像素的类别。这种方法有两个优点:

可以进行类别的定位
每个 patch 可以视为数据增强增大训练集的数据量。

但是这种方法也有两个缺点:

速度很慢，因为网络需要计算每个 patch，同时每个 patch 还有大量重叠冗余
需要权衡定位准确度和使用的上下文信息，因为大 patch 需要更多的池化层，会减少定位的准确度。而小 patch 只能让网络看到一点内容。

对此 U-Net 提出了新的网络结构。而对于医学影像数据集少，U-Net 提出了使用弹性形变来进行数据增强增加数据集。

U-Net 网络结构

U-Net 的其中一个创新点就是其网络结构，其分为左侧的 contrating path 和右侧的 expansive path。左侧为典型的卷积神经网络，使用两个 3×3 卷积层，每一个卷积后有一个非线性的 RELU，然后用 2×2 的最大池化层进行下采样，下采样之后将通道数翻倍。右侧的 expansive path 每一步为使用一个 2×2 的卷积上采样减半通道数，并将左侧的特征图拼接起来（concat），然后使用通过两个 3×3 的卷积层，每一个有 RELU 激活函数。在最后一层使用 1×1 卷积将通道转换为需要的类别。整个网络一共有 23 个卷积层。

整个网络是一个 encoder-decoder 结构，由于形状像 U 型所以被命名为 U-Net。