https://docsaid.org/papers/feature-fusion/unetppp/

[giscus[bot]]

https://docsaid.org/papers/feature-fusion/unetppp/

遞歸金字塔

https://docsaid.org/papers/feature-fusion/unetppp/

[Lamaindedease]

這個架構更符合邏輯，也更全面，有一種感覺是補全了U-Net未完成的方向。
但是我有一個問題:
這些架構的改善都是以醫學影像分割為主改善的部分似乎都針對Neck的部分，但是假如運用在分類任務上是不是沒什麼效果。
照這樣看來最後的X5這一層並沒有太大的區別，而如果U-Net用在分類任務上的話，通常是在這一層加上Flatten跟一層linear layer。
loss雖然會結合分類的CE跟還原後的圖像，但是我觀察下來的結果是最後圖像還原的損失都已經很低。
這樣的話U-Net3+跟U-Net++似乎對於分類任務沒有意義?
不知道是不是有針對分類任務的改善?

[zephyr-sh]

Neck 這個結構本身是為了物件偵測與影像分割等任務而設計，目的是強化多尺度特徵的融合與還原。

而在分類任務中，我們關注的是整張影像的「全域語義」，目標是將其歸類為某一類別，因此通常不需要額外處理空間層次或高解析還原資訊。這也讓類似 U-Net++ 或 U-Net3+ 這類在 Neck 上做出強化的架構，在分類場景中效果相對有限。

針對分類任務的架構演進，近年來主要是沿著 ImageNet 系列挑戰發展出來的主流主幹網路（例如 ResNet、DenseNet、EfficientNet、ConvNeXt、Vision Transformer 等），多半專注在 Encoder 設計的優化，強調高效的語義抽象與特徵表徵能力，而非 Decoder 或 Skip Connection 的設計。這也再次呼應了分類任務本身對於 spatial recovery 的需求並不高，與 U 型架構的設計邏輯有所不同。

以上是我的個人淺見 😄