2.1 Unet

如图1所示，基础Unet架构共5层，蓝色箭头代表卷积，红色箭头代表下采样，绿色箭头代表上采样，灰色箭头表示对某一层特征图复制并裁剪成需要的大小。整体网络呈对称结构，即Encoder-Decoder结构，左边称为收缩路径，亦称为编码阶段，通过卷积神经网络以提取图片的抽象特征信息；右边称为扩张路径，亦称为解码阶段，通过双线性插值算法还原抽象特征的图像尺寸。左边参考VGG16 建立，采用典型的卷积神经网络结构，共有4次下采样和5组卷积，输入数据大小为572×572×1，每组卷积都由两次卷积操作组成，卷积核大小为3×3，随后是一次卷积操作，采样核为2×2，步长为2。结果就是特征图尺寸不断缩小，特征图通道数不断增加，左侧最后输出数据大小为 28×28×1024。右侧先进行上采样，卷积核大小为 2×2，再和左侧收缩路径上相应层的特征图叠加，然后卷积。