1 深度多分支残差U-net

U-net模型是一种基于Encoder-Decoder的U型结构，由编码器、跳跃连接层和解码器三个部分构成。编码过程通过捕获上下文信息逐层提取图像的目标特征，每个模块先经过33卷积块，再执行最大池化逐层缩减输入数据的空间维度。解码过程是对编码过程提取的特征图构造分割图，通过反卷积层等网络层逐步恢复目标细节和空间维度。编码器与解码器之间应用跳跃连接层（Skip Connections），将低层特征与相应阶段的高层融合，辅助解码器更好地恢复目标细节特征。

深度残差U-net模型以U-net框架为基础设计一种融合深度残差学习模块的U型网络，应用于遥感图像的道路分割（Zhang等，2017）。DResUnet解决了网络深度增加，造成学习率低、模型计算复杂度高的问题。在特征提取阶段为了深层次多尺度提取图像的细节特征，提出深度多分支残差U-net模型（Deep Multi-branch Residual U-net，DMResUnet）。DMResUnet模型在编码器中的每一层引入深度多分支残差模块。