网络模型（U-net，U-net++， U-net+++）

参考

B站视频

应用场景

1. 医学领域
2. 小目标分割

U-net模型

1. 编码-解码：（先将图像编码成特征，再将特征解码成图像）
2. 特征融合，采用拼接方法要比直接加法好（因为在下一步会对拼接的特征进行加权融合）
   

图1：U-net:

接下来是改进模型

U-net++模型

改进思路（特征融合和类似fpn的多分支预测和多loss）

在图1中$X^{0,0}$ 和$X^{0,4}$的连接隔了很远的距离，所以在中间增加特征融合的新路径。


使用中间结果预测， 相当于把每一步做好，最后的结果也很好。

此外该模型很容易剪枝

U-net+++

主要的创新点为在$X^4$上同时融合了浅层的位置信息和深层的语义信息。