写回答
由于影像图像语义较为简单、结构较为固定，高级语义信息和低级特征都显得很重要，因此我们选用了U-et 作为网络的基础结构。Encoder-Decoder 分别下采样4 次+上采样4 次，将Encoder 得到的高级语义特征图恢复到原图片的分辨率。
相比于FCN 和Deeplab 等，U-Net 共进行了4 次上采样，并在同一个Stage 使用了Skip Connection，而不是直接在高级语义特征上进行监督和Loss 反传。
这样， 就保证了最后恢复出来的特征图融合了更多Low-Level 的Feature， 也使得不同Scale 的Feature 得到了融合，从而可以进行多尺度预测和DeepSupervision。4 次上采样也使得分割图恢复边缘等信息更加精细。
以上内容摘自《高德技术2020年刊合集》电子书，点击https://developer.aliyun.com/topic/download?id=1135可下载完成版
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
