u-net segnet 学习笔记
先放参考链接：http://blog.****.net/u012931582/article/details/70314859
首先，u－net的网络结构：
可以看到，输入图像尺寸是大于输出图像的。
u－net一个比较“创新”做法在于：在对图像边界进行padding时，用的不是传统的补零，而是对边缘部分镜像！：
u－net的拓展：
数据增强：移动最小二乘实现图像数据增强（有时间自己可以写代码实现一下。。。）
论文名称： Image Deformation Using Moving Least Squares
还有个segnet，
结构很对称，前部分和普通的vgg19一致。创新之处在于，它的pooling都会记住pooling indices（粗暴点讲就是max pooling时候，会记住max值的坐标位置）。所以在后半部分upsample的时候，操作是：把pooling得到的max值放回之前本身的对应坐标位置，其他位置的值全置0.
这篇写的比较水啊，有新理解会来补充的。。。。。