0、图像语义分割的问题定义
语义分割是在像素级别上，自动理解或预测图像中的每个像素所属的物体类别
语义分割
1、全卷积网络FCN
没有全连接层，只有卷积层，且在进行卷积后，需将特征图恢复到原始图像的大小
通道数和特征保持一致
算法原理
神经网络结构
损失函数
2、U-Net
U-Net将浅层网络中的输出和深层网络的合并输出
同样需要将特征图恢复到原始图像的大小
第一阶段：长度表示尺寸，宽度表示通道数，每一层进行一次池化（尺寸是上一层的1/2），卷积时都是3×3的卷积核；
第二阶段：长度表示尺寸，宽度表示通道数，每一层进行一次反卷积（尺寸是上一层的2倍，通道数是上一层的1/2），再与第一阶段中相同尺寸通道的特征图像进行Concatenate，卷积时都是3×3的卷积核；
第三阶段：最后进行一次卷积，使得通道数与分割类别数量保持一致。
3、U-Net++
引入中间层的卷积，以实现逐渐过渡，逐渐融合
