Unet的训练结果是得到特征图像吗

UNet是一个用于图像分割的深度学习模型，它的训练结果输出的是预测的分割掩码图像。这个分割掩码图像可以理解为对原始输入图像进行了像素级别的分类，每个像素点被分为不同的类别，从而实现对图像的分割。

在UNet中，特征图像是在模型中的编码器部分生成的，它们代表了输入图像的不同抽象层次的特征信息。这些特征图像被送入解码器部分进行上采样和合并，最终生成预测的分割掩码图像。因此，特征图像是UNet训练过程中的中间产物，而分割掩码图像是最终的输出结果。