1、摘要

1. 拓扑复杂性：道路呈现细长、分支、遮挡等复杂结构
2. 尺度多样性：从城市主干道到乡村小路的尺度差异
3. 类内差异：不同材质/光照条件下的道路表观变化

解决方案：ResUNet是什么？

• 核心思想：把两种经典技术结合起来：
  • U-Net：一种像“沙漏”形状的神经网络，先压缩图像提取特征（下采样），再还原细节（上采样），中间用“跳跃连接”把浅层特征（如边缘）直接传给深层，帮助恢复细节。
  • 残差学习（ResNet）：在深层网络中引入“短路连接”（残差块），让模型更容易训练（避免梯度消失问题）。
• ResUNet的创新： 用残差块替换U-Net中的普通卷积层.

为什么ResUNet效果好？

• 优势1：训练更轻松 残差块允许网络跳过某些层（学习“残差”而非完整变换），即使网络很深，梯度也能有效回传，不会“学不动”。
• 优势2：信息流通更顺畅 U-Net的跳跃连接 + 残差块的短路连接 = 双重信息通道。浅层的像素级细节和深层的高级语义特征能更好地融合。
• 优势3：参数更少，性能更强 通过优化结构，用更少的参数达到更高精度（适合计算资源有限的场景，如卫星图像处理）。

2、模型结构

• 普通U-Net：先画草图（下采样），再慢慢修饰细节（上采样），但可能画到后面忘记前面的细节。

1. 整体结构：U-Net 的形状

• 这张图呈现出一个“U”形结构，分为两部分：编码器（左边，逐步缩小特征图） 和 解码器（右边，逐步放大特征图）。
• 编码器像一个“压缩机”，提取图像的深层特征；解码器像一个“解压机”，把这些特征还原并生成分割结果。

2. 编码器（左边）：提取特征

• 从左边开始，输入图像（比如 256x256 大小）经过一系列卷积层（Conv）和激活函数（如 ReLU），特征图逐渐变小。
• 每经过几次卷积后，会有一个 最大池化层（Max Pool 2x2），把特征图大小减半（比如从 256 变成 128），但通道数（特征数量）增加（比如从 64 到 128）。
• 这个过程重复几次，特征图从 256 到 128、64、32 等变小，通道数从 64 增加到 512，提取出越来越抽象的特征。

3. 解码器（右边）：恢复细节

• 解码器从最小的特征图（比如 32x32，512 通道）开始，逐步放大。
• 放大是通过 上采样（Upsampling） 或 转置卷积（Transpose Convolution） 实现的，把特征图大小翻倍（比如从 32 到 64）。
• 每次上采样后，会通过卷积层调整通道数，并与编码器对应层的结果进行 拼接（Concatenate），这个步骤保留了细节信息。

4. 残差连接（ResNet 的影响）

• 图中可以看到一些加号（+），表示残差连接。这是 ResUNet 的核心改进之一。
• 残差连接允许模型直接学习输入和输出的差异，而不是从零开始学习整个映射。这能让网络更深、更稳定，防止梯度消失问题。

5. 输出

• 最后，解码器输出一个与输入图像相同大小的特征图（比如 256x256），通常经过几次卷积和归一化（如 Batch Normalization），生成分割结果（比如每个像素属于哪一类）。