U-Net 是卷積神經網路的一種變形，對醫學影像進行分割（segmentation）。因其結構經論文作者畫出來形似字母U而得名。

      U-Net利用資料增強可以對一些比較少樣本的資料進行訓練，適用於醫學影像。資料增強可用彈性變換方法，把原圖做了彈性變形，相當與擴大了資料集。

      U-Net 採用的是包含下采樣和上取樣的網路結構。下采樣用來逐漸展現環境資訊，上取樣的過程是結合下采樣各層資訊和上取樣的輸入資訊來還原細節資訊，並逐步還原影象精度。

      下采樣的意義：它可以增加對輸入影象的一些小擾動的魯棒性，比如：影象平移，旋轉等。減少過擬合的風險，降低運算量，增加感受野的大小。上取樣的意義：把抽象的特徵再還原解碼到原圖的尺寸，最終得到分割結果。

      U-Net結構思路就是編碼和解碼。

      對於特徵提取階段，淺層結構可以抓取影象的一些簡單的特徵，比如邊界、顏色。而深層結構因為感受野大了，而且經過的卷積操作多了，能抓取到影象的一些說不清道不明的抽象特徵。