摘要

  大意是說 ，普遍認為深度網路需要大量已標籤資料集，這個網路(U-Net)可以依靠資料增強來事先少量資料集訓練網路。而且，這個網路訓練得很快，運用GPU執行，512*512的圖片只需要不用一秒即可。
  該網路屬於端對端網路，即輸入圖片，輸出分割開的圖片。贏得了2015年ISBI競賽。

介紹

  卷積神經網路已經存在很久了，但因為缺少可用的訓練資料集而沒被大量使用，直到ImageNet資料集（百萬張圖片）的出現。
  傳統的卷積網路的目標是分類，即對每個圖片給予一個標籤。但是對於很多視覺任務，特別是醫療影象方向，目標應該包括定位，以及對每個畫素塊給予一個標籤。而且，醫療影象的訓練集都不大。
  大概也就介紹了一些傳統的影象分割演算法，如滑動視窗，以及U-Net借鑑的前身FCN之類的，併為比較難的分割的情況（彼此接觸的同類物體）提議了一種方法。

網路架構

  網路架構就如上圖，可以描述為由收縮路徑（左邊）和擴張路徑組成。收縮路徑和傳統的卷積網路一樣，由卷積核尺寸為3∗3$3\ast 3$的無填充卷積，每次卷積後都經過ReLU函式作用，以及尺寸為2∗2$2\ast 2$，步距為2的最大池組成。這個最大池化就是下采樣的過程，下采樣後就將channels變為2倍。擴張路徑由2∗2$2\ast 2$的上卷積，上卷積的output channels為原先的一半，再與對應的特徵圖（裁剪後）串聯起來（得到和原先一樣大小的channels），再經過兩個尺寸為3∗3$3\ast 3$的卷積及經過ReLU作用。相應的裁剪特徵圖是必須的，因為在我們卷積的過程中會有邊界畫素的丟失。在最後一層通過卷積核大小為

1∗1$1\ast 1$的卷積作用得到想要的目標種類。在這個網路中，有23個卷積層。
  為了保證輸出分段對映的無縫拼接，需要謹慎的選擇輸入圖片的尺寸，以保證所有的Max Pooling操作應用於有偶數的x-size和偶數的y-size的圖層。

訓練

  該論文是基於Caffe，使用動量為0.99的SGD，損失函式為交叉熵，訓練輸入圖片與它們對應的分割圖片（輸入圖片和最後的圖片的尺寸不一樣）。該訓練模型和傳統的訓練模型沒什麼不同，都是注意權重初始化隨機，資料增強等。