目录
2.1 二分类交叉熵（Binary Cross Entropy Loss）
2.2 多分类交叉熵（Categorical Cross Entropy）
U-Net 是一种专为语义分割设计的卷积神经网络结构，能在少量标注数据下实现高精度的像素级预测。
1.网络结构
U-Net 的结构像一个 “U” 字，分为两部分：
部分 |
名称 |
作用 |
左侧 |
编码器（下采样） |
提取图像的高层特征（逐步降低空间分辨率） |
右侧 |
解码器（上采样） |
恢复空间信息、逐步重建像素级输出 |
横向连接 |
skip connection |
编码器浅层特征直接传给解码器，对应相同分辨率，提升定位能力 |
编码器模块（下采样）：
- 每层包含：Conv → ReLU → Conv → ReLU → MaxPooling
- 通道数逐层翻倍
解码器模块（上采样）：
- 每层包含：Up-conv (反卷积) → concat（来自 encoder 的跳跃连接）→ Conv → ReLU → Conv → ReLU
2.Loss计算
2.1 二分类交叉熵（Binary Cross Entropy Loss）
适用于前景 / 背景（2类），模型最后一层输出一个通道（每个像素为前景概率），GT 为 0 或 1：
其中：
x：预测的 logit（未经过 sigmoid）
y：GT 标签（0 或 1）
σ(x)：sigmoid 激活输出概率
2.2 多分类交叉熵（Categorical Cross Entropy）
适用于多类（如背景 + N 个对象类型），最后一层输出 C 个通道（每通道一个类别概率），GT 为 0~C-1 的整数。
其中：
x：预测的 logit（未经过 softmax）
y：GT 标签，值为类别索引
自动使用
softmax+log合并为log_softmax（更稳定）
2.3 论文中的loss计算
论文中的loss计算是加权像素级的多分类交叉熵损失函数。
：图像中所有像素位置
：第
个像素的真实类别标签 lable
：第
的概率
：每个像素的权重（用于解决类不平衡和靠近边界的像素加强）
对每个像素，根据其真实类别，从模型输出中取对应类别的概率
，取对数并乘以权重
。
U-Net 为了解决 细胞边界不清晰 + 类不平衡 的问题，使用了一个特殊的权重：
其中：
：用于平衡前景与背景类别频率（类似 class weight）
：控制边界权重的最大值，实验中取 10
：表示像素点
σ：控制边界范围的宽度，实验中约为 5 像素
3.论文细节
3.1 输入输出尺寸
| 输入图像 | 原始论文用的是 572×572 |
| 输出图像 | 中心裁剪后为 388×388 |
| 原因 | 论文使用的是无 padding 的卷积，导致边缘丢失，需裁剪中心区域 |
| 现代实现 | 大多采用 same padding，输入输出大小一致，计算方便 |
3.2 训练细节
项目 |
说明 |
Loss 函数 |
加权交叉熵（权重图 w(x) 考虑边界和类平衡） |
权重图计算 |
使用两个细胞边界的距离 + 类平衡项 |
优化器 |
SGD with momentum=0.99 |
数据增强 |
强烈依赖 elastic deformation（弹性形变）+ 平移、旋转、灰度扰动 |
dropout |
放在最底层（编码器最深处）增强鲁棒性 |
3.3 输出与目标（适用于分割）
- 输出 Tensor：形状 [N, C, H, W]，C 为类别数（2 表示前景和背景）
- 目标 GT：形状 [N, H, W]，每个像素是类别编号（整数）
- Loss 计算：常用 nn.CrossEntropyLoss（内部会 softmax + log + NLL）
4. U-Net 的变体与应用场景
名称 |
特点 |
U-Net++ |
多级跳跃连接、密集跳连，更强特征融合 |
Attention U-Net |
引入注意力模块，自动选择重要区域 |
3D U-Net |
用于 3D 医学图像（MRI、CT） |
ResUNet |
替换 Conv 块为 ResNet 块，更深更稳 |
- 医学图像分割（肿瘤、细胞、器官等）
- 卫星图像分割（建筑物、水体）
- 道路/车道线分割
- 农业图像分析（植物、病斑检测）