近日使用FC Dense Net 做分割，记录学习使用过程。

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

初次使用此网络，第一眼是被这个名字吸引的，Tiramisu 作为一个挚爱提拉米苏慕斯的小粉，第一次以一种与开发无关的心情好好读了篇学术论文。对，就是这么随意，虽然，其实根本无关~~~

网络结构：

----与U-NET看上去略像，包括粗略提取图像特征的下采样过程和恢复图像大小的上采样过程。

----网络结构采用了残差网络的思想，深化了网络结构，也解决了较深的网络训练时容易产生的梯度弥散问题。对dense block模块进行了改进以减少内存消耗。（按照Resnet中的dense block，倒数第二个C模块的输出也要输入到最后一层C进行计算）

优点：

---网络很深，但是参数少（本次使用中主要调试的参数有learning rate, growth rate, epochs）

---没有预训练

---较少的训练次数就能达到较好的训练结果（本次使用中仅和Unet的训练时间与结果进行了比对）

另，本次使用的FC Dense Net 103， 结构如下