resUNet是什么网络？在原有Unet基础上做了什么调整？

resUNet是一种基于Unet的图像分割网络。Unet是一种经典的卷积神经网络结构，用于图像分割任务，具有编码器-解码器结构和跳跃连接（skip connection）的特点。它在编码器中通过卷积和池化操作逐渐提取图像特征，并在解码器中通过上采样和卷积操作将特征映射回原始图像尺寸，最终生成分割结果。

resUNet在Unet的基础上进行了一些调整。首先，resUNet引入了残差连接（residual connection），这是一种跳跃连接的变种。残差连接可以使网络更容易训练，并且有助于防止梯度消失或梯度爆炸的问题。其次，resUNet使用了更深的网络结构，增加了更多的卷积层和特征通道数，以提高网络的表达能力和分割性能。此外，resUNet还可以使用不同的编码器和解码器结构，如ResNet和DenseNet，以进一步提升网络性能。

总的来说，resUNet在Unet的基础上通过引入残差连接和增加网络深度来改进图像分割性能。这使得resUNet在许多图像分割任务中取得了较好的效果。