文章预览
《深度学习图像分割》这本书写写停停，历经三年多，目前在二稿修订中。正式出版之前，计划先在GitHub做逐步的内容和代码开源。 以下为本书第4章节选内容： 编解码网络结构是深度学习图像分割中的经典设计和主流架构，广泛应用于各类场景的分割任务中。本章将以全卷积网络和U-Net结构为基础，深入剖析各种编解码网络结构的变体，包括SegNet、RefineNet、Attention U-Net、Residual U-Net和U-Net++等。由于编解码网络在特征提取和逐像素预测方面表现优异，在众多应用场景中展现了强大的分割性能，是当下深度学习图像分割的最流行的模型结构。基于编解码结构的分割网络在医学影像分割领域得到广泛应用，所以本章也会重点介绍用于医学图像分割的nnU-Net模型。 4.1 早期结构设计与FCN 在全卷积网络（Fully Convolutional Networks, FCN）介入到语义分割任务之前，
………………………………
