课堂总结。
·
M 整体结构：
M 概述就是编码解码过程
简单但是很实用 ，应用广
起初是做医学方向 ， 现在也是
U-net
主要网络结构：
还引入了特征拼接操作
M 以前我们都是加法 ， 现在全都要
这么简单的结构就能把分割任务做好
U-net++
M 整体网络结构：
特征融合 ，拼接更全面
其实跟densenet思想一致
把能拼能凑的特征全用上就是升级版了
U-net++
Deep Supervision ：
也是很常见的事 ， 多输出
损失由多个位置计算 ， 再更新
现在来看 ， 很多视觉任务都可以套用这招
U-net++
@ 可以更容易剪枝：
M 因为前面也单独有监督训练
M 可以根据速度要求来快速完成剪枝
M 训练的时候同样会用到L4 ，效果还不错
U-net+++（了解下就行）
不同的max pool整合低阶特征
（X1和X2 ， 轮廓之类的）
@ 上采样整合高阶特征
（感受野大的 ， 全局的）
各层统一用卷积得到64个特征图
5*64 =320 ， 最终组合得到全部特征
开源鸿蒙跨平台开发社区汇聚开发者与厂商，共建“一次开发，多端部署”的开源生态，致力于降低跨端开发门槛，推动万物智联创新。
更多推荐
5
0- 0
已为社区贡献1条内容
所有评论(0)