近日使用FC Dense Net 做分割，記錄學習使用過程。

FC-DenseNet 原文鏈接：https://arxiv.org/abs/1611.09326 《The One Hundred Layers Tiramisu: Fully Convolutional DenseNets for Semantic Segmentation》

初次使用此網絡，第一眼是被這個名字吸引的，Tiramisu 作為一個摯愛提拉米蘇慕斯的小粉，第一次以一種與開發無關的心情好好讀了篇學術論文。對，就是這么隨意，雖然，其實根本無關~~~

網絡結構：

----與U-NET看上去略像，包括粗略提取圖像特征的下采樣過程和恢復圖像大小的上采樣過程。

FC Dense Net 網絡結構

----網絡結構采用了殘差網絡的思想，深化了網絡結構，也解決了較深的網絡訓練時容易產生的梯度彌散問題。對dense block模塊進行了改進以減少內存消耗。（按照Resnet中的dense block，倒數第二個C模塊的輸出也要輸入到最后一層C進行計算）

FC Dense Net的dense block

優點：

---網絡很深，但是參數少（本次使用中主要調試的參數有learning rate, growth rate, epochs）

---沒有預訓練

---較少的訓練次數就能達到較好的訓練結果（本次使用中僅和Unet的訓練時間與結果進行了比對）

另，本次使用的FC Dense Net 103， 結構如下

FC Dense Net 103

總結

以上是生活随笔為你收集整理的densenet网络结构_FC-DENSENET用于图像分割学习笔记的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。