unet网络模型（【Unet系列】（三）Unet++网络）
一 、UNet++整体网络结构
Unet++主要是探索encoder和decoder需要多大的问题 ，以此为基础 ，提出了融合不同尺寸Unet结构的网络 。创新点就是把不同尺寸的Uent结构融入到了一个网络里 。
二 、结构的好处
（1）不管哪个深度的特征有效 ，都用上 ，让网络自己去学习不同深度特征的重要性 。
（2）共享了一个enconder ，也就是说 ，不需要训练一推Unet ，而是只训练一个encoder ，它的不同层次特征由不同的decoder路径来还原 。三 、存在的问题
无法训练 ，因为不能进行反向传播 。解决方法有如下两种：
（1）使用短连接 。
（2）在短连接的基础上使用deep supervision 。
在图中X0,1 、X0,2 、X0,3 、X0,4后面加一个1*1的卷积核 ，相当于去监督每个分支的Unet的输出 。这样可以解决无法训练的问题 。四 、优点：
可以更容易剪枝 ，因为前面也单独有监督训练 ，可以根据速度要求来快速完成剪枝 。
为什么可以剪枝？
在测试阶段 ，由于输入的图像只会前向传播 ，扔掉这部分对钱面的输出完全没有影响的 ，而在训练阶段 ，因为既有前向 ，又有后向传播 ，被剪掉的部分是会帮助其它部分做权重更新的 。即测试时 ，剪掉部分对剩余结构不做影响 ，训练时 ，剪掉的部分对剩余部分有影响 。（五）剪枝的好处
剪枝的好处是：如果低尺度的Uent++训练的效果和高尺度的Unet++训练的效果相当 ，则只训练低尺度的 ，这样在训练时会减少参数 ，加快训练速度 。
创心域SEO版权声明：以上内容作者已申请原创保护，未经允许不得转载，侵权必究！授权事宜、对本内容有异议或投诉，敬请联系网站管理员，我们将尽快回复您，谢谢合作！