U-Net网络介绍
U-Net神经网络是出自《U-Net:Convulution Networks for Biomedical Image Segmentation》在医疗影像方面的顶会，Medical Image Computing and Computer-Assisted Intervention（MICCAI）即医疗影像处理和计算机辅助。
是一种end-to-end的网络（什么是端对端的网络？，就是你的数据在提交的时候之后就不需要再次处理了，直接得到你想要的答案。就是你提供原料，出来的就是你想要的成品）
U-Net的贡献在于：1.速度快。2.更少的训练数据但有更精确的分割。
常用的神经网络在分类任务上已经十分出色，但是对微生物图像处理，分类就仅仅不够了，还需要对目标的定位和到像素级别的分类。
在论文指出了Ciresan创立的利用滑动窗口的目标检测的缺点：第一，速度慢，由于有重合部分而产生大流量的数据冗余。第二，无法在定位的精确性和文本内容中得到一个较好的权衡。（因为滑动框每次只能看到一小部分的文本内容）
并说出了U-Net可以在同时达到两种相对较优的优势。U-Net是建立在FCN（fully convulsional net）的基础之上。
上图是U-net网络的架构方式，其中深蓝色箭头代表卷积，过滤器（filter）大小是3*3，**函数的ReLu。
Relu**函数示意图如下：