unet scale

UNet是一种用于医学图像的全连接UNet网络。在该网络中，由于Resnet50和VGG网络过于庞大，通常会选择使用较小的主干特征提取网络，如MobileNet。在理解UNet的过程中，可以使用mini_unet作为一个辅助模型来帮助理解。

mini_unet通过编码器部分将224x224x3的图像转换为112x112x64的特征图，然后通过上采样的方法将特征图放大到224x224x32的大小。最后，通过卷积操作将特征图映射到输出类别的通道数上。

因此，UNet的规模取决于所选择的主干特征提取网络的大小以及最终输出的特征图大小。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* [UNet 3 A Full-Scale Connected UNet for Medical Image Segmentation.pdf](https://download.csdn.net/download/weixin_40519315/12359631)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"]
- *2* *3* [Unet 语义分割模型（Keras）| 以细胞图像为例](https://blog.csdn.net/qq_38676487/article/details/121903186)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"]
[ .reference_list ]