问U-Net复制和裁剪

EN

Drozdal等人已经研究了长跳跃连接(用于这些长连接的术语)的好处。(https://arxiv.org/pdf/1608.04117.pdf)，并已被证明可以改善梯度流，从而保持权重矩阵的值稳定。这是一种简单的解释，但这是我们得到的最好的解释。然而，它确实改善了分割任务的结果。

由于作者使用了有效的卷积，因此在此示例中使用了裁剪操作，从而减小了输出大小，因此尺寸不再适合。在Tensorflow中，你可以使用像tf.image.resize_images这样的东西来获得与扩展部分中的特征图相同的高度宽度维度，然后使用tf.concat来沿着通道轴(通常是BHWC布局中的第四个轴)连接特征图。

它类似于ResNet中的跳过连接，但有一些不同。

跳过架构差异：在ResNet中，跳过连接是在计算激活之前将激活从上一块添加到下一块。这些残差块具有通过添加来自前一块的输出来跳过中间连接的效果。

在U-net中，激活或特征映射被合并或连接。

复制或连接的原因：由于这是下采样时的分割问题，空间信息会丢失。如你所见，它从572x572开始，减少到28x28。为了重新获得或映射回空间信息，将先前图层中的特征地图连接在一起。如果您观察到上采样路径中的白块，则是下采样路径中的特征图。

裁剪原因:合并时立即执行，因为两个要素地图的分辨率不同，因此它们被裁剪。在连接(572x572)和(392x392)之前，需要对其进行裁剪。

唯一的相似性是利用之前计算的激活，但原因是不同的。

要调整形状张量(m=batches, h=height, w=width, f=#filters)的大小，请使用

tf.compat.v1.image.resize_bilinear

或

tf.image.crop_and_resize