U-Net

Az U-Net  egy konvolúciós neurális hálózat , amelyet 2015-ben hoztak létre orvosbiológiai képszegmentálás céljából a Freiburgi Egyetem Számítástechnikai Tanszékén [1] . A hálózat architektúrája egy teljesen összefüggő konvolúciós hálózat [2] , amelyet úgy módosítottak, hogy kevesebb példával (tréningképekkel) tudjon működni és pontosabb szegmentálást végezzen.

Hálózati architektúra

A hálózat tartalmaz egy konvolúciós (bal oldalon) és egy kibontakozó részt (jobb oldalon), így az architektúra hasonló az U betűhöz, ami a névben is tükröződik. Minden lépésnél megduplázódik a jellemző csatornák száma.

A konvolúciós rész hasonló egy szabályos konvolúciós hálózathoz, két 3x3 konvolúciós réteget tartalmaz egymás után, ami után következik a ReLU réteg és a pooling 2x2 maximum függvénysel 2 lépéssel.

A kibontható rész minden lépése tartalmaz egy réteget, fordított poolinget, amely kibővíti a tereptérképet, majd egy 2×2-es konvolúció következik, ami csökkenti a jellemzőcsatornák számát. Ezt egy összefűzés követi a tömörítési útvonalból megfelelően levágott jellemzőtérképpel és két 3x3-as hajtással, mindegyiket egy ReLU követi. A körbevágásra azért van szükség, mert minden konvolúcióban elveszítjük a határképpontokat. Az utolsó rétegen egy 1×1-es konvolúciót használunk, hogy minden 64 komponensű jellemzővektort a kívánt számú osztályhoz hozzák.

A hálózatnak összesen 23 konvolúciós rétege van.

A hálózat szerzőinek két cikke több mint 1600 és 1000 hivatkozással rendelkezik 2018 májusában [3] .

Jegyzetek

1. ↑ A U-Net szerzői cikke: U-Net: Convolutional Networks for Biomedical Image Segmentation Archivált : 2018. október 21. a Wayback Machine -nél
2. ↑ Long, J.; Shelhamer, E. & Darrell, T. (2014), Fully convolution networks for semantic segmentation, arΧiv : 1411.4038 [cs.CV]. 
3. ↑ [1] Archiválva : 2021. október 14. a Wayback Machine Google Tudós hivatkozási adatai