U-Net网络结构如下所示：
U-Net网络的特点：
- 全卷积神经网络：使用$1\times1$卷积完全取代了全连接层，使得模型的输入尺寸不受限制。
- 左半部分网络是收缩路径（contracting path）：使用卷积和max pooling层，对feature map进行下采样。
- 右半部分网络是扩张路径（expansive path）：使用转置卷积对feature map进行上采样，并将其与收缩路径对应层产生的特征图进行concat操作。上采样可以补充特征信息，加上与左半部分网络收缩路径的特征图进行concat（通过crop操作使得两个特征图尺寸一致），这就相当于在高分辨率和高维特征当中做一个融合折中。
- U-Net提出了让人耳目一新的编码器-解码器整体结构，让U-Net充满了生命力与强适应性。
U-Net在医疗图像，缺陷检测以及交通场景中有非常丰富的应用，可以说图像分割实际场景，U-Net是当仁不让的通用Baseline。
U-Net的论文地址：U-Net