为什么 u-net 可以用较小的掩码掩码图像？答案

【问题标题】：Why could u-net mask image with smaller mask?为什么 u-net 可以用较小的掩码掩码图像？
【发布时间】：2017-10-16 07:22:11
【问题描述】：

u-net的输入图像大小为572*572，但输出掩码大小为388*388。图像如何被较小的蒙版蒙版？

【问题讨论】：

【解决方案1】：

您可能指的是 Ronneberger 等人在其中发布了 U-Net 架构的 scientific paper。该图显示了这些数字。

解释在论文的“3. Training”部分有点隐藏：

由于未填充的卷积，输出图像比输入图像小了一个恒定的边框宽度。

这意味着在每次卷积期间，图像的一部分被“裁剪”，因为卷积将从一个坐标开始，以便它与图层的输入图像/输入块完全重叠。在 3x3 卷积的情况下，这始终是每侧一个像素。有关内核/卷积的更多视觉解释，请参见例如here。 输出较小，因为由于在未填充卷积期间发生裁剪，只有图像的（内部）部分得到结果。

这不是架构的一般特征，而是（未填充的）卷积固有的东西，可以通过填充来避免。可能最常见的策略是在图像边界处镜像，这样每个卷积都可以从图像的最边缘开始（并在其内核重叠的地方看到镜像像素）。然后可以保留输入的大小，对完整的图像进行分割。

【讨论】：

那么在原论文中描述的U-Net架构之后有没有后处理阶段呢？由于输出的形状为 (388,388,2)，因此需要一些映射到原始 512x512 形状，对吧？
是和否：如上所述，较小的形状是由于裁剪。对原始形状的唯一明智的后处理/映射是将原始图像裁剪为输出大小（只有图像中心部分的分割预测）。如前所述：您可以使用填充卷积来避免这种情况（并获得完整的 512x512 预测）。常见的 NN 实现（Caffe、Tensorflow 等）开箱即用。
非常感谢您的回答。他没有提到他试图只预测纸上图像的中心部分，这不是很奇怪吗？还是我错过了？
是的，当我第一次阅读它时，我也感到困惑。但是在许多论文中，不同的知识是先决条件，并且假定为给定的，因此缺少解释。 Ronneberger 显然假设他给定的信息足以得出这样一个事实，即他只裁剪/预测中心部分。
与“正常”卷积相比，（零）填充卷积有什么缺点吗？换句话说：我应该根据科学论文构建我的 unet 模型，还是可以使用零填充转换。后者用于我在 github 上找到的许多实现中。