【U-Net 高阶实战】手把手教你使用 ResNet50 作为 U-Net 主干网络（附 PyTorch 代码解析）

在前面的文章中，我们已经从零手写了一个原汁原味的 U-Net。但在实际的工业界项目或顶级学术竞赛（如 Kaggle）中，我们很少会用普通的卷积层从零开始搭建编码器。为什么？因为自己从零训练太慢了，且容易遇到梯度消失！今天这篇文章，我们要玩点高级的——给 U-Net 换骨架（Backbone）。我们将 U-Net 拆分，塞进 U-Net 的左半边作为特征提取器（编码器），用来提高模型特征提取能力🏗️ 第一步：准备解码器的基础积木在右侧的解码器中，我们依然需要用到“双卷积”和“上采样融合”。为了代码整洁，我们先封装两个类：ConvBlock和DecoderBlock。1. 基础双卷积模块这个没什么特别的，就是标准的连续两次3 × 3 3\times3